#speech-to-text リポジトリ
リポジトリ合計211件
マルチバックエンドのWhisperアプリ。超高速。Mac-ARM最適化。簡単なインストール。ローカルファイルまたはURLを入力すると、このサービスがWhisper AIを使用して文字起こしします。完全にプライベートで無料 🤯🤯🤯
Apple Silicon搭載のMacでLLMをファインチューニング。SFT、DPO、GRPO、Vision、TTS、STT、Embedding、OCRのファインチューニング — MLX上でネイティブ対応。Unsloth互換API。
Gp.nvim (GPT プロンプト) Neovim AI プラグイン: ChatGPT セッション & 指示可能なテキスト/コード操作 & 音声テキスト変換 [OpenAI, Ollama, Anthropic, ..]
最先端の文字起こし、応答生成、テキスト読み上げモデルを試すためのモジュラー音声アシスタントアプリケーション。OpenAI、Groq、Elevenlabs、CartesiaAI、Deepgram APIをサポートし、Ollamaを介したローカルモデルも利用可能です。音声技術の研究開発に最適です。
オープンソースの音声AI SDK。スタックを所有したい開発者向けのVapi/Retell代替品。4行のコードでAIエージェントに電話番号を付与 — PythonとTypeScript、MITライセンス、Twilio、Telnyx、Plivo対応。
無料、オープンソース、100%オフラインのLinux向け音声入力ツール。whisper.cpp、Whisper、VOSKエンジンを使用して、どこでも話して入力可能。GPUアクセラレーション対応、X11 + Waylandで動作。
Whisper-Flowは、OpenAIのWhisperモデルを使用してオーディオコンテンツをリアルタイムで文字起こしできるように設計されたフレームワークです。アップロード後にファイル全体を処理する「バッチモード」ではなく、Whisper-Flowはオーディオチャンクの連続的なストリームを受け取り、インクリメンタルにトランスクリプトを即座に生成します。
:zap: TensorFlowASR: TensorFlow 2のほぼ最先端の自動音声認識。文字またはサブワードを使用できるサポート言語
PaddlePaddleに基づくエンドツーエンド中国語音声認識、入門から実践まで、超簡単な入門事例、超実用的な企業プロジェクト。現在最も人気のあるDeepSpeech2、Conformer、Squeezeformerモデルをサポートします。
OpenAIのWhisperを使用してリアルタイムspeech2textWebアプリを構築する https://openai.com/blog/whisper/
100%プライベートなAI音声文字起こしアプリです。100以上の言語の音声をテキストに変換します。Whisper AIを使用し、AndroidとiOS向けにCompose Multiplatformで開発されています。クラウドへのアップロードはなく、すべての処理が端末上で行われるため、プライバシーを完全に保護できます。お問い合わせは以下まで:[email protected]
多言語ASRおよびTTSモデルのためのC++ ggmlランタイムハブ:Cohere Transcribe、Parakeet TDT、Voxtral、Canary 1B v2など、さらにユニバーサル強制アライメント機能などを搭載