#speech-to-text Repository
Scopri 211 repository GitHub open source attivi contrassegnati con #speech-to-text, che raccolgono un totale di 925,003 stelle (con una media di 4,383 stelle per progetto). Il progetto leader di questo argomento è debpalash/VoiceStudio, con 115,753 stelle.
211 repository in totale
VoiceStudio è l’alternativa open source e completamente locale a ElevenLabs: clonazione vocale, progettazione della voce, doppiaggio video, dettatura, trascrizione e creazione di audiolibri in 646 lingue.
Un'applicazione gratuita, open source ed estensibile per il riconoscimento vocale che funziona completamente offline.
Assistente IA per prendere appunti durante le riunioni, con la privacy al primo posto, per Windows, macOS e Linux. Gratuito e open source (MIT). Trascrizione con Whisper/Parakeet e diarizzazione dei parlanti direttamente sul dispositivo, senza bot nelle riunioni. Alternativa open source a Granola, Otter e Fireflies. https://meetily.ai
WhisperX: Riconoscimento vocale automatico con timestamp a livello di parola (& diarizzazione)
YC (S26) | Screenpipe trova il lavoro che vale la pena automatizzare | Registra continuamente in locale il lavoro svolto al computer, individua i flussi di lavoro ricorrenti e passa il risultato a qualsiasi agente che usi già.
🚀 API self-hosted per raccogliere dati da Douyin, TikTok e Bilibili e scaricare video senza filigrana. Supporta le chiamate degli agenti IA tramite MCP e la trascrizione vocale offline. Distribuzione Docker con un clic. | Scraper self-hosted per TikTok, Douyin e Bilibili e downloader di video senza filigrana: API REST asincrona, server MCP per agenti IA, CLI e console web, oltre alla trascrizione vocale offline dei video scaricati. Pool di identità autoriparante, archivio PostgreSQL e avvio con un solo `docker compose up`.
Kit di strumenti di riconoscimento vocale open source per training, inferenza, ASR in streaming, VAD, punteggiatura, pipeline di diarizzazione dei parlanti e servizio compatibile con OpenAI/MCP.
Traduci il video da una lingua all'altra e incorpora doppiaggio e sottotitoli.
Da parlato a testo, da testo a parlato, diarizzazione dell'oratore, miglioramento della voce, separazione delle sorgenti e VAD utilizzando la prossima generazione di Kaldi con onnxruntime senza connessione Internet. Supporto per sistemi embedded, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, NPU RK, NPU Axera, NPU Ascend, server x86_64, server/client websocket, supporto per 12 linguaggi di programmazione
API di riconoscimento vocale offline per Android, iOS, Raspberry Pi e server con Python, Java, C# e Node
Gradio WebUI per creatori e sviluppatori, con le principali funzionalità TTS (Edge-TTS, kokoro) e Voice Cloning zero-shot (E2 & F5-TTS, CosyVoice), con elaborazione audio Whisper, download da YouTube, isolamento vocale Demucs e traduzione multilingue.
App di dettatura voice-to-text con modelli locali (Nvidia Parakeet/Whisper) e cloud (BYOK). Privacy-first e disponibile cross-platform.
Trascrizione vocale in tempo reale e locale con ASR in streaming, diarizzazione dei parlanti, traduzione e API compatibili con OpenAI/Deepgram.
Scarica video e audio da oltre 1.000 siti, trascrivili localmente con le etichette dei parlanti e riassumi, traduci o chatta sui tuoi contenuti multimediali con il provider di IA che preferisci.
Una libreria di sintesi vocale robusta, efficiente e a bassa latenza con rilevamento avanzato dell'attività vocale, attivazione tramite parola chiave e trascrizione istantanea.
Modello SenseVoiceSmall open source per ASR in mandarino, cantonese, inglese, giapponese e coreano, identificazione della lingua, riconoscimento delle emozioni e rilevamento di eventi audio.
Modulo di riconoscimento vocale per Python, con supporto per diversi motori e API, online e offline.
Una libreria text-to-speech (TTS), speech-to-text (STT) e speech-to-speech (STS) basata sul framework MLX di Apple, che fornisce un'efficiente analisi vocale su Apple Silicon.
Pre-release di ODS V3: test pubblici e perfezionamenti in vista del lancio ufficiale della V3. Trasforma il tuo PC, Mac o computer Linux in un server IA privato.
Registra il tuo schermo, pubblica una demo. Gratuito e open-source, accelerato via GPU, senza filigrane, senza abbonamenti. Windows, macOS, Linux. Mantenuto attivamente.
Strumento di trascrizione video, generazione di sottotitoli e clipping assistito da LLM basato su FunASR con interfaccia utente Gradio locale.
AI genera video brevi in massa con un clic, mixa automaticamente video brevi, pubblica automaticamente video su Douyin, Kuaishou, Xiaohongshu, Video Channel, guadagnare non è mai stato così facile! Supporta modelli vocali locali chatTTS, faster-whisper, GPTSoVITS, supporta voci cloud: Azure, Alibaba Cloud, Tencent Cloud. Supporta Stable diffusion, comfyUI per la generazione diretta di immagini AI. Genera video brevi con un clic utilizzando KI LLM, stampa denaro insieme! Supportato: chatTTS, faster-whisper, GPTSoVITS, Azure, Tencent Cloud, Ali Cloud.
Piattaforma di IA vocale open source. Alternativa self-hosted a Vapi e Retell. On-premise, BYOK per Speech-to-Speech o LLM/STT/TTS, con un costruttore di flussi di lavoro visivo, nativo MCP e supporto per la telefonia.
Modelli Silero: modelli text-to-speech pre-addestrati resi incredibilmente semplici
🎙️🤖Crea, personalizza e parla con il tuo personaggio/compagno IA in tempo reale (Tutto in un'unica codebase!). Avvia una conversazione naturale e fluida con l'IA ovunque (mobile, web e terminale) utilizzando LLM OpenAI GPT3.5/4, Anthropic Claude2, Chroma Vector DB, Whisper Speech2Text, ElevenLabs Text2Speech🎙️🤖
Localizzazione e doppiaggio video con IA open source per YouTube/Bilibili: riconoscimento vocale, traduzione dei sottotitoli, clonazione vocale, missaggio audio e rendering. Strumento open source di traduzione e doppiaggio video con IA.
Riconoscimento vocale automatico con diarizzazione del parlante basato su OpenAI Whisper
Un compagno desktop basato sull’IA, autonomo e consapevole del contesto. Realizzato con Python, offre la visione dello schermo in tempo reale, la sintesi vocale ONNX personalizzata, il rilevamento della finestra attiva e un’interfaccia mobile dinamica con espressioni facciali reattive.
Strumento da riconoscimento vocale a testo / Uno strumento locale offline per la conversione di sottotitoli audio/video, che produce sottotitoli in formato JSON, SRT e testo semplice
Implementazione JAX del modello Whisper di OpenAI per un'accelerazione fino a 70 volte su TPU.
Generazione di sottotitoli on-device che si collega direttamente a DaVinci Resolve, Premiere e After Effects.
Un motore di inferenza tutto-in-uno, puro C++, per modelli audio, basato su ggml. Supporta TTS, STT, VAD, conversione vocale, generazione musicale e altro, con prestazioni altamente ottimizzate. Nessuna dipendenza da Python.
Tieni premuto un tasto, parla, rilascia — testo rifinito dall'IA appare al tuo cursore in qualsiasi app. Input vocale open-source per macOS e Windows.
Strumento di traduzione audio/vocale in tempo reale, leggero e potente, basato su Windows LiveCaptions.
Domande frequenti
Qual è il repository #speech-to-text più popolare su GitHub?
Il progetto open source #speech-to-text più alto in classifica su GitHub è debpalash/VoiceStudio, con 115,753 stelle. VoiceStudio è l’alternativa open source e completamente locale a ElevenLabs: clonazione vocale, progettazione della voce, doppiaggio video, dettatura, trascrizione e creazione di audiolibri in 646 lingue.
Quali linguaggi di programmazione sono più utilizzati nei repository #speech-to-text?
Tra i progetti #speech-to-text più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, TypeScript, Rust, C++.
Come viene calcolata la classifica dei repository #speech-to-text?
Monitoriamo 211 repository open source attivi contrassegnati con #speech-to-text (500+ stelle), per un totale di 925,003 stelle e una media di 4,383 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.