#speech-to-text Dépôts
211 dépôts au total
Un SDK modulaire Swift pour le traitement audio avec MLX sur Apple Silicon
De la parole au texte à la parole. Chanson en cours de lecture. Envoie du texte sous forme de messages OSC à VRChat pour l'afficher sur l'avatar. (STTTS) (Parole à TTS) (Système STT VRC) (VTuber TTS)
🎤 Lobe TTS - Une bibliothèque TTS/STT fiable et de haute qualité pour serveur et navigateur
Application vocale rapide, privée et locale pour Mac Apple Silicon — dictée, transcription de fichiers/médias, enregistrement de réunions, transformations et une CLI d'automatisation publique. Gratuite et open-source.
appareil basé sur esp32, principalement utilisé pour le chat vocal avec de grands modèles linguistiques
Chatbot vocal local pour des conversations engageantes, alimenté par Ollama, Hugging Face Transformers et Coqui TTS Toolkit
Clavier et service de reconnaissance vocale privés et sur appareil pour Android.
Reconnaissance vocale implémentée basée sur PaddlePaddle, reconnaissance vocale en chinois. Le projet est complet, avec un bon effet de reconnaissance. Prend en charge l'entraînement et la prédiction sous Windows et Linux, prend en charge la prédiction sur la carte de développement Nvidia Jetson.
Implémentation de fonctionnalités liées au chat IA à l'aide d'Unity. Actuellement, cette bibliothèque contient des implémentations de code pour les appels API à des grands modèles linguistiques tels que ChatGPT et ChatGLM, ainsi que l'implémentation des services vocaux de Microsoft Azure et Baidu AI. Les services vocaux utilisent des API web et prennent en charge des plateformes telles que Windows/WebGL/Android.
AlwaysReddy est un assistant vocal LLM qui est toujours à portée de raccourci clavier.
Rapida est une plateforme d’orchestration open-source de l’IA vocale de bout en bout, permettant de créer des assistants vocaux conversationnels en temps réel avec diffusion audio, STT, TTS, VAD, intégration multi‑canal, gestion de l’état des agents et observabilité。
Collection de ressources sur les applications des grands modèles linguistiques (LLM) dans Audio AI.
Exécution du modèle de reconnaissance vocale (whisper.cpp) dans Unity3d sur votre machine locale.
Un framework Pytorch pour la reconnaissance vocale automatique en flux et non en flux, compatible avec la reconnaissance en ligne et hors ligne. Il prend actuellement en charge les modèles Conformer, Squeezeformer et DeepSpeech2, ainsi que diverses méthodes d'augmentation de données.
Saisie vocale par IA open source pour macOS, Windows et Linux. Appuyez sur un raccourci, parlez naturellement et obtenez un texte soigné dans n'importe quelle application.
Transcrire et traduire la voix en fichier LRC à l'aide de Whisper et LLM (GPT, Claude, et,al). Utiliser whisper et LLM (GPT, Claude, etc.) pour transcrire et traduire votre audio en fichier de sous-titres.
Moteur de transcription vocale en streaming sur appareil alimenté par l'apprentissage profond
Assistant d’entretien IA open source et copilote de réunion : réponses en direct pendant les appels Zoom, Google Meet et Teams, transcription sur l’appareil et invisible lors du partage d’écran. Une alternative gratuite à Cluely, Interview Coder et Final Round AI pour Windows, macOS et Linux.
IA embarquée pour Flutter — Gemma et autres LLM, capacités multimodales, appels de fonctions, embeddings, RAG et voix sur Android, iOS, Web, macOS, Windows et Linux.
:speech_balloon: /so.nus/ STT (voix en texte) pour Node avec détection de mots-clés hors ligne
Studio de présentations au style Canva, accessible uniquement depuis un navigateur et optimisé par une IA Web locale.
Une application de dictée native pour la barre de menus macOS utilisant la conversion parole-texte locale avec WhisperKit
Peut être déployé en privé sur le réseau interne, un outil de transcription et de résumé vocal pour équipes/unités, code complet frontend et backend
Sous-titres de reconnaissance vocale et d'entrée KB pour OBS, VRChat, le chat Twitch et Discord
Jigasi : une application côté serveur agissant comme une passerelle vers les conférences Jitsi Meet. Permet actuellement aux clients SIP classiques de rejoindre les réunions et offre des capacités de transcription.
Création d'un logiciel de surveillance automatique dans le cadre de la surveillance en ligne
Dictée vocale ultra-rapide, gratuite et privilégiant le traitement local sur macOS, avec transcription sur l’appareil
Donnez aux agents d’IA des yeux, des oreilles et des résultats vérifiables. Watch Skill transforme les vidéos, l’audio et l’activité à l’écran en preuves horodatées et consultables, et atteste le travail à l’aide de contrats déterministes, et non des avis du modèle. DeepWatch est l’espace de travail pour agents conçu sur DeepSeek Harness. Python + npm, MCP, CLI, REST et Web.
Une bibliothèque Python pour résoudre reCAPTCHA v2 et v3 avec Playwright
🎭 Plateforme d’avatar IA / d’humain numérique : téléversez une photo, clonez une voix et dialoguez en temps réel avec n’importe quel visage grâce à une vidéo synchronisée avec les lèvres. Open source et auto-hébergée. Claude · Whisper · Chatterbox · MuseTalk.
⚡ Assistant vocal IA incroyablement rapide avec des temps de réponse <500 ms
Un IME vocal open-source sur appareil (clavier) pour Android utilisant la bibliothèque Vosk.
🗣 Une superposition qui obtient l'autorisation vocale de l'utilisateur et l'entrée sous forme de texte dans une interface personnalisable
Serveur MCP de souris matérielle pour les agents d’IA sous Windows x64. Contrôle USB HID et dictée vocale ; nécessite un matériel et un micrologiciel uMouse compatibles.
Application de dictée gratuite, open source et privilégiant le traitement local pour macOS. Maintenez un raccourci enfoncé, parlez, et le texte s’écrit dans n’importe quelle application. Transcription vocale en texte sur l’appareil avec Whisper, Parakeet et Apple Speech. Une alternative privée, hors ligne et open source à Wispr Flow.
Liste d'API STT de reconnaissance vocale coréenne. Benchmarks de performance pour chacune.
Transcrivez n'importe quelle URL de vidéo ou fichier audio en texte brut. Sans GPU. Sans cloud. Une seule commande.
Un pipeline optimisé de synthèse vocale vers texte pour le modèle Whisper prenant en charge plusieurs moteurs d'inférence
Une bibliothèque de reconnaissance vocale fonctionnant dans le navigateur grâce à une compilation WebAssembly de Vosk
Créez des agents téléphoniques IA sur votre propre ordinateur et testez chaque modification avec un appelant IA. Open source, fonctionne gratuitement sans clés API et coûte quelques centimes par appel avec vos propres clés. Importez Dialogflow CX.