#speech-to-text Repository
211 repository in totale
Modelli audio Frontier CoreML nelle tue app: text-to-speech, speech-to-text, voice activity detection e speaker diarization. In Swift, basato su SOTA open source.
Eseguibili standalone Whisper & Faster-Whisper per coloro che non vogliono preoccuparsi di Python.
LLaMA-Omni รจ un modello di interazione vocale end-to-end a bassa latenza e alta qualitร basato su Llama-3.1-8B-Instruct, che mira a raggiungere capacitร vocali al livello di GPT-4o.
Alternativa open source, locale e self-hosted agli assistenti vocali concorrenti di Amazon Echo/Google Home
Trasforma audio e video in sottotitoli con un'interfaccia web facile da usare. Tutto viene eseguito sul tuo dispositivo. In precedenza Whishper.
Modelli Text-to-Speech e Speech-to-Text di Kyutai basati sul framework Delayed Streams Modeling.
API openโsource per la trascrizione delle riunioni di GoogleโฏMeet, MicrosoftโฏTeams e Zoom. Bot che si uniscono automaticamente, trascrizioni in tempo reale tramite WebSocket, server MCP per agenti AI. O esegui lโautohosting o utilizza un SaaS hostato.
Riconoscimento vocale automatico multilingue con timestamp a livello di parola e confidenza
Note private per le riunioni con l'IA che restano sul tuo computer. Nessun bot per le riunioni. Gratis e open source per Mac, Windows e Linux. Un'alternativa a Granola, Otter e Fireflies.
L'alternativa open source a Cluely - Un assistente AI fulmineo e incentrato sulla privacy che funziona perfettamente durante riunioni, interviste e conversazioni senza che nessuno se ne accorga. Costruito con Tauri per prestazioni native, solo 10 MB. Completamente non rilevabile nelle videochiamate, condivisioni dello schermo e registrazioni.
Un registratore di riunioni bello e minimalista per Mac. Premi Avvia e, dopo aver premuto Interrompi, troverai appunti e trascrizione in un unico file Markdown. Tutto avviene sul dispositivo. Gratuito e open source.
๐ธSTT - Il toolkit di deep learning per Speech-to-Text. L'addestramento e il deployment di modelli STT non sono mai stati cosรฌ facili.
Generatore di sottotitoli ASR/STT. Usa Qwen3-ASR, LLM locale, Whisper, TEN-VAD. Resistente al rumore per JAV.
๐ Lista fantastica per Whisper โ un sistema open-source di riconoscimento vocale basato sull'IA sviluppato da OpenAI
Alternativa open source e gratuita a Wispr Flow | La prossima generazione di flussi di lavoro vocali desktop cinesi con modelli locali FunASR integrati e LLM configurabili
Trascrizione, allineamento forzato e indicizzazione audio con Whisper di OpenAI
๐Riconoscimento vocale utilizzando il framework di deep learning TensorFlow, reti neurali sequence-to-sequence
Una serie di effetti, generatori e analizzatori basati sull'IA per Audacityยฎ.
Studio di IA locale e portatile per Windows, Linux e macOS. Interfaccia grafica senza configurazione per la generazione di immagini, LLM GGUF, sintesi vocale e trascrizione vocale
Un AI Agent Studio locale per Windows dedicato al commercio elettronico tramite live streaming su Douyin, con un flusso di lavoro intelligente unificato che collega la scoperta degli streamer, gli insight sulle dirette, l'analisi post-diretta e la pianificazione editoriale dei contenuti video brevi.
Bilibili Video in Text umwandeln, tutto in un unico passaggio, basta inserire il link per usarlo
Riconoscimento vocale locale per macOS IA sul dispositivo, completamente privato, cloud opzionale
Libreria di inferenza AI on-device per React Native, ad alte prestazioni e orientata alla privacy, basata sul runtime ExecuTorch di PyTorch
Un componente React completo per la modifica di sottotitoli video con riconoscimento vocale basato sull'intelligenza artificiale e capacitร di editing visivo.
Inferenza in puro C del modello Mistral Voxtral Realtime 4B per il riconoscimento vocale
App Linux Speech Note. Prendere appunti, leggere e tradurre con Speech to Text offline, Text to Speech e traduzione automatica.
TikTok LIVE API per Python: La libreria di terze parti definitiva per ricevere eventi di livestream (commenti, regali, ecc.) in tempo reale da TikTok LIVE.
Server di inferenza LLM ad alte prestazioni compatibile con OpenAI e Anthropic per Apple Silicon. MLX nativo, batching continuo, modelli multimodali, chiamate di strumenti MCP e supporto per Claude Code.
Muesli: trascrizione locale delle riunioni e dettatura native per agenti su macOS (alternativa a Granola + WisprFlow + Littlebird)
Digitazione vocale gratuita e open source per macOS e Windows. Trascrizione vocale locale con Whisper e Parakeet, disponibile anche offline.
Una workstation di generazione (di brevi video) che integra la pianificazione dei contenuti, la generazione automatica di testi pubblicitari tramite IA, il doppiaggio automatico in blocco con TTS, la sintesi di materiali fotografici (IA), l'estrazione automatica di script di sottotitoli linguistici tramite ASR e la creazione libera tramite IA. Comoda per la gestione dei progetti video di ogni episodio.
Modelli di riconoscimento vocale Fun-ASR, con supporto nativo per Hugging Face Transformers per Fun-ASR-Nano e percorsi di distribuzione separati per FunASR, vLLM e llama.cpp.
Alternativa open source e local-first a Granola/Otter, interrogabile da Claude Code, Codex, Cursor e qualsiasi client MCP. Riunioni, chiamate e memo vocali trascritti sul dispositivo in Markdown di tua proprietร .