#speech-to-text Repository
211 repository in totale
Un SDK modulare Swift per l'elaborazione audio con MLX su Apple Silicon
Da voce a testo a voce. Canzone in riproduzione. Invia testo come messaggi OSC a VRChat per visualizzarlo sull'avatar. (STTTS) (Voce a TTS) (Sistema VRC STT) (VTuber TTS)
🎤 Lobe TTS - Una libreria TTS/STT affidabile e di alta qualità per server e browser
App vocale veloce, privata e locale per Mac Apple Silicon — dettatura, trascrizione di file/media, registrazione di riunioni, trasformazioni e una CLI di automazione pubblica. Gratuita e open-source.
dispositivo basato su esp32, utilizzato principalmente per chat vocali con modelli linguistici di grandi dimensioni
Chatbot vocale locale per conversazioni coinvolgenti, alimentato da Ollama, Hugging Face Transformers e Coqui TTS Toolkit
Tastiera e servizio privati e on-device per il riconoscimento vocale per Android.
Riconoscimento vocale implementato basato su PaddlePaddle, riconoscimento vocale in cinese. Il progetto è completo, con un buon effetto di riconoscimento. Supporta addestramento e previsione su Windows e Linux, supporta previsione sulla scheda di sviluppo Nvidia Jetson.
Implementazione di funzionalità relative alla chat AI utilizzando Unity. Attualmente, questa libreria include implementazioni di codice per chiamate API a modelli linguistici di grandi dimensioni come ChatGPT e ChatGLM, nonché l'implementazione di servizi vocali di Microsoft Azure e Baidu AI. I servizi vocali utilizzano API web e supportano piattaforme come Windows/WebGL/Android.
AlwaysReddy è un assistente vocale LLM che è sempre a portata di tasto di scelta rapida.
Rapida è una piattaforma open-source di orchestrazione AI vocale end-to-end per la creazione di agenti vocali conversazionali in tempo reale, con streaming audio, STT, TTS, VAD, integrazione multi‑canale, gestione dello stato degli agenti e osservabilità。
Raccolta di risorse sulle applicazioni dei Large Language Models (LLM) in Audio AI.
Esecuzione del modello speech-to-text (whisper.cpp) in Unity3d sulla tua macchina locale.
Un framework Pytorch per il riconoscimento vocale automatico in streaming e non, compatibile sia con il riconoscimento online che offline. Attualmente supporta i modelli Conformer, Squeezeformer e DeepSpeech2, insieme a vari metodi di data augmentation.
Dettatura vocale con IA open source per macOS, Windows e Linux. Premi una scorciatoia, parla naturalmente e ottieni un testo rifinito in qualsiasi app.
Trascrivi e traduci la voce in file LRC usando Whisper e LLM (GPT, Claude, et,al). Usa whisper e LLM (GPT, Claude, ecc.) per trascrivere e tradurre il tuo audio in un file di sottotitoli.
Motore di trascrizione vocale in streaming on-device alimentato dall'apprendimento profondo
Assistente AI open source per i colloqui e copilota per le riunioni: risposte in tempo reale durante le chiamate su Zoom, Google Meet e Teams, trascrizione sul dispositivo e invisibile durante la condivisione dello schermo. Un’alternativa gratuita a Cluely, Interview Coder e Final Round AI per Windows, macOS e Linux.
IA on-device per Flutter: Gemma e altri LLM, multimodalità, chiamate di funzione, embedding, RAG e voce su Android, iOS, Web, macOS, Windows e Linux.
:speech_balloon: /so.nus/ STT (da voce a testo) per Node con rilevamento hotword offline
Studio di presentazioni in stile Canva, utilizzabile esclusivamente dal browser e basato su IA Web locale.
Un'app di dettatura nativa per la barra dei menu di macOS che utilizza la sintesi vocale locale con WhisperKit
Può essere distribuito localmente in rete privata, uno strumento di trascrizione e riepilogo vocale per team/organizzazioni, codice completo frontend e backend
Didascalie per il riconoscimento vocale e l'input KB per OBS, VRChat, chat di Twitch e Discord
Jigasi: un'applicazione lato server che funge da gateway per le conferenze Jitsi Meet. Attualmente consente ai normali client SIP di partecipare alle riunioni e fornisce funzionalità di trascrizione.
Creazione di un software per il monitoraggio automatico nel proctoring online
Dettatura vocale velocissima, gratuita e con priorità all’elaborazione locale per macOS, con trascrizione sul dispositivo
Dai agli agenti IA occhi, orecchie e risultati verificabili. Watch Skill trasforma video, audio e attività sullo schermo in prove ricercabili e corredate di timestamp, e dimostra il lavoro tramite contratti deterministici, non opinioni del modello. DeepWatch è l’ambiente di lavoro per agenti basato su DeepSeek Harness. Python + npm, MCP, CLI, REST e Web.
Una libreria Python per risolvere reCAPTCHA v2 e v3 con Playwright
🎭 Piattaforma per avatar IA / esseri umani digitali: carica una foto, clona una voce e parla con qualsiasi volto in tempo reale tramite video con sincronizzazione labiale. Open source e self-hosted. Claude · Whisper · Chatterbox · MuseTalk.
⚡ Assistente vocale AI incredibilmente veloce con tempi di risposta inferiori a 500 ms
Una IME vocale open-source su dispositivo (tastiera) per Android che utilizza la libreria Vosk.
🗣 Un overlay che ottiene il permesso vocale dell'utente e l'input come testo in un'interfaccia personalizzabile
Server MCP per mouse hardware destinato agli agenti IA su Windows x64. Controllo USB HID e dettatura vocale; richiede hardware e firmware uMouse compatibili.
App di dettatura gratuita, open source e con priorità all’elaborazione locale per macOS. Tieni premuta una scorciatoia, parla e il testo verrà inserito in qualsiasi app. Conversione da voce a testo sul dispositivo con Whisper, Parakeet e Apple Speech. Un’alternativa privata, offline e open source a Wispr Flow.
Lista API STT riconoscimento vocale coreano. Benchmark di performance per ciascuno.
Trascrivi qualsiasi URL video o file audio in testo semplice. Nessuna GPU. Nessun cloud. Un solo comando.
Una pipeline ottimizzata da parlato a testo per il modello Whisper che supporta più motori di inferenza
Una libreria di riconoscimento vocale in esecuzione nel browser grazie a una build WebAssembly di Vosk
Crea agenti telefonici IA sul tuo computer e prova ogni modifica con un chiamante IA. Open source, funziona gratis senza chiavi API e costa pochi centesimi a chiamata con le tue chiavi. Importa Dialogflow CX.