#whisper Dépôts
145 dépôts au total
Laissez Claude (ou tout LLM) regarder une vidéo — images dédupliquées et conscientes des scènes + transcription, à partir d'une URL ou d'un fichier local. Fonctionne localement, MIT.
Bibliothèque d'inférence légère pour fichiers ONNX, écrite en C++. Elle peut exécuter Stable Diffusion XL 1.0 sur un RPI Zero 2 (ou dans 298 Mo de RAM) mais aussi Mistral 7B sur les ordinateurs de bureau et les serveurs. Support ARM, x86, WASM, RISC-V. Accéléré par XNNPACK. Bindings Python, C# et JS (WASM) disponibles.
Transcription vocale locale pour macOS IA sur appareil, totalement privée, cloud optionnel
Client API OpenAI pour Kotlin avec des capacités multiplateformes et coroutines.
🎞️ Outil de génération de sous-titres (Web-UI + CLI + package Python) alimenté par Whisper d'OpenAI et ses variantes 🎞️
Plugin OBS pour la reconnaissance vocale locale et le sous-titrage à l'aide de l'IA
Saisie vocale gratuite et open source pour macOS et Windows. Transcription vocale locale avec Whisper et Parakeet, également disponible hors ligne.
WhisperFusion s'appuie sur les capacités de WhisperLive et WhisperSpeech pour offrir des conversations fluides avec une IA.
Alternative open source et locale à Granola/Otter, interrogeable par Claude Code, Codex, Cursor et tout client MCP. Réunions, appels et mémos vocaux transcrits sur l’appareil en Markdown dont vous êtes propriétaire.
Donnez à Claude la capacité de regarder et de comprendre les vidéos — plugin Claude Code avec extraction d’images et analyse audio multimodale
Un projet open-source destiné aux développeurs Windows pour apprendre à ajouter l'IA avec des modèles et des API locaux aux applications Windows.
Transcription contrôlable. Verbatim (chaque mot de remplissage, pause, bégaiement et son vocal) ou interprétée (ce que le locuteur voulait dire, optimisée pour la lisibilité), avec des horodatages au niveau des mots.
Application Whisper multi-backend. Extrêmement rapide. Optimisée pour Mac-ARM. Installation facile. Entrez un fichier local ou une URL et ce service le transcrira à l'aide de Whisper AI. Entièrement privé et gratuit 🤯🤯🤯
Ajustez finement les LLMs sur votre Mac avec Apple Silicon. SFT, DPO, GRPO, Vision, TTS, STT, Embedding et ajustement fin d'OCR — nativement sur MLX. API compatible avec Unsloth.
🍦 Speech-AI-Forge est un projet développé autour d'un modèle de génération TTS, implémentant un serveur API et une interface utilisateur Web basée sur Gradio.
Des vidéos explicatives et des démonstrations de produits créées par votre agent IA. Gratuit et open source : une voix locale (Kokoro), le minutage des mots (Whisper) et un moteur de rendu sur canevas transforment un script en MP4 avec narration.
MTools est une puissante application de bureau multifonctionnelle qui réunit des outils de traitement audio et vidéo, de retouche d’images, de manipulation de texte et d’encodage. Elle intègre des fonctionnalités d’amélioration par IA et propose un service MCP local. Elle est conçue pour simplifier votre flux de travail et améliorer votre productivité.
Client en ligne de commande Whisper compatible avec le client OpenAI original basé sur CTranslate2.
Gp.nvim (invite GPT) Plugin Neovim IA : sessions ChatGPT et opérations texte/code instructives et reconnaissance vocale [OpenAI, Ollama, Anthropic, ..]
Opérateur d'inférence IA pour Kubernetes. Le moyen le plus simple de servir des modèles ML en production. Prend en charge les VLM, LLM, les embeddings et la reconnaissance vocale.
Reconnaissance vocale native pour Linux - Dictée rapide, précise, privée et hackable à l'échelle du système
Whisper est un format de base de données de séries temporelles basé sur des fichiers pour Graphite.
Affinage du modèle de reconnaissance vocale Whisper pour prendre en charge l'entraînement sans données d'horodatage, l'entraînement avec données d'horodatage et l'entraînement sans données vocales. Accélérer l'inférence et prendre en charge le déploiement Web, le déploiement sur le bureau Windows et le déploiement Android
OpenCluely est une alternative gratuite et open source à Cluely, conçue pour les entretiens techniques comme DSA, OAs et CP. Il offre une superposition invisible, une aide IA en temps réel, un traitement intelligent des images pour la capture de questions et un support multilingue : 100 % personnalisable et privé.
L'application iOS open-source qui rend la transcription vocale de qualité plus accessible sur les appareils mobiles.
Petite amie IA vocale (petite amie IA vocale pour DeepSeek Harness) : saisie vocale avec Whisper + clonage de voix avec Qwen3-TTS + lecture en continu, phrase par phrase + fenêtre d’avatar animé. Deux modes : interruption ou mise en file d’attente ; il suffit de parler pour interrompre.
Génération de sous-titres vidéo pour générer des fichiers srt. Aucune demande d'API tierce, implémentation locale de l'audio en texte. Un framework de génération de sous-titres vidéo basé sur Transformer. Un outil GUI pour générer des sous-titres à partir de vidéos et générer des fichiers srt.
Dictée vocale gratuite, open-source et 100% hors ligne pour Linux. Parlez et tapez n'importe où via les moteurs whisper.cpp, Whisper et VOSK, accéléré par GPU, fonctionne sur X11 + Wayland.
Whisper-Flow est un framework conçu pour permettre la transcription en temps réel du contenu audio en utilisant le modèle Whisper d'OpenAI. Plutôt que de traiter l'intégralité des fichiers après leur téléchargement (« mode batch »), Whisper-Flow accepte un flux continu de fragments audio et produit des transcriptions incrémentales immédiatement.
Assistant d’enregistrement vocal avec BYOK, transcription ASR, diarisation des intervenants, résumés par IA et prise en charge des points de terminaison ASR locaux.
💬📝 Une petite application de dictée utilisant le modèle de reconnaissance vocale Whisper d'OpenAI.
service de transcription et de diarisation hors ligne auto-hébergé clé en main avec résumé LLM
Saisie vocale pour macOS avec des modèles locaux : transcrivez, traduisez et reformulez dans n’importe quelle app. Le successeur de Voxt.
Ce projet fournit une API avec un support d'accès au niveau utilisateur pour transcrire la parole en texte à l'aide d'un modèle ASR Whisper affiné et traité.
BiBi Keyboard : clavier d’entrée vocale LLM et ASR pour la plateforme Android basé sur Kotlin
Bibliothèque C# pour Twitch Chat, Whisper, API et PubSub. Permet de discuter, de chuchoter, de s'abonner aux événements de stream et de modifier le canal/compte. Prend en charge tout ce qui prend en charge .NETStandard 2.0.
Générez des sous-titres, des résumés et des chapitres à partir de vidéos en quelques secondes