#speech-to-text リポジトリ
リポジトリ合計211件
オープンソースのAIミーティングコパイロット - リアルタイム転写、エコーキャンセル、AIアシスタンス。システムオーディオ + マイクをキャプチャ、WebRTC AEC3でエコーをキャンセル、Deepgramで転写、ミーティング中にClaude/OpenAIのヘルプを提供。macOSとWindowsでローカル実行。
学習、使用、自律拡張に適したRAG【Retrieval-Augmented Generation】システム!インターネットに接続してAI検索を行うことができます。
macOSとWindows向けの無料デスクトップ音声入力。ローカルまたはクラウドの音声認識を使って、アプリにメッセージやメール、メモを音声入力できます。
YouDubは、高品質なYouTube動画を自動的に翻訳および吹き替えし、中国のインターネット上に転載(搬運)することを目的としたオープンソースツールです。このツールは、AI音声認識技術を使用して音声をテキストに変換し、その後、大規模言語モデル(LLM)を通じてテキストを中国語に翻訳し、最後にAI声帯クローン技術を使用して中国語を音声に変換します。これにより、元のYouTuberの音色を持つ中国語吹き替え動画を作成することができます。
オープンソース、ローカル、セルフホストの高性能最適化言語推論サーバー。WebRTC、REST、WS経由でASR/STT、TTS、LLMをサポート
アラビア語優先の生成型音声認識 — Audar-ASR-V1 (Flash + Turbo)。Open Universal Arabic ASR リーダーボードで第1位。モデルカード、ベンチマーク、推論。
音声アクティビティ検出(VAD)および自動音声認識(ASR)を備えた、リアルタイムオーディオ処理用の軽量クライアントサーバーシステム。