#whisper リポジトリ
リポジトリ合計145件
ローカルビデオの字幕ファイルを一括生成し、字幕ファイルを他の言語に翻訳できます。Windows、Macシステムをクロスプラットフォームでサポートします。
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/
クラシックなアーキテクチャを持つ Graphite/Carbon サーバーの Golang 実装: Agent -> Cache -> Persister
完全にローカルでプライベートな音声認識(Speech-To-Text)アプリ。複数のモデルバックエンド、話者分離、カレンダーモードを提供 - Windows、macOS、Linuxで利用可能
オープンソースのローカルAI SDK — クラウドもAPIキーも不要で、デバイス上でAIを実行できます。GGUF、RAG、画像・音楽・動画生成、音声テキスト変換、P2P推論などに対応。クロスプラットフォーム:Linux、macOS、Windows、Android、iOS。
Ollama、Hugging Face Transformers、Coqui TTS Toolkit搭載のエンゲージングな会話のためのローカルボイスチャットボット
Vui Nano — 実際の会話で学習した、小型で文脈認識に対応する音声合成モデル。アクティブパラメータは2億1,900万(合計3億500万)、Apache 2.0、音声クローンとストリーミングに対応し、CPU上で動作します(依存関係のないCビルド)。完全なリアルタイム音声アシスタントを同梱:WebRTC、ASR、ローカルLLM、OpenAI Realtime API互換。
macOS、Windows、Linux対応のオープンソースAI音声入力。ホットキーを押して自然に話すだけで、どのアプリでも整えられたテキストが得られます。
WhisperとLLM(GPT、Claudeなど)を使用して、音声をLRCファイルに書き起こして翻訳します。whisperとLLM(GPT、Claudeなど)を使用して、オーディオを書き起こし、字幕ファイルに翻訳します。
Whisperを使用して、YouTubeのプレイリスト全体を高品質なトランスクリプトに簡単に変換します。
Whisper OpenAI と無料翻訳APIを使用したリアルタイム音声文字起こしおよび翻訳アプリケーション。Tkinterを使用して作成されたインターフェース。Pythonで完全に記述されたコード。
フランス語対応のローカル音声アシスタント:Claude または Ollama(オフライン)、Hueホームオートメーション、OBS、カレンダー、ブラウザー、Twilio通話、MCPサーバー。Python。
ポータブルなAIエージェントスキル:YouTube、Instagram、TikTok、Xなどの動画リンクを、字幕またはローカルのWhisperによる文字起こし、フレーム、メタデータ、タイムスタンプを含むObsidian対応のMarkdownノートに変換
macOS向けの無料・オープンソースで、ローカル処理を優先する音声入力アプリ。ショートカットキーを押しながら話すと、どのアプリにもテキストが入力されます。Whisper、Parakeet、Appleの音声認識を使ったオンデバイス音声文字起こし。プライバシーを重視した、オフライン対応のオープンソース版Wispr Flowです。
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
記事や動画(Douyin、Bilibili、YouTube。まず文字起こし)をワンクリックで、小紅書(Xiaohongshu)向け画像付き投稿、雑誌風の縦長画像、WeChat公式アカウント向けレイアウト、AI音声ナレーション付きショート動画に変換するオープンソースのClaude Code / Codex Skill。21種類のテーマ、自動検収、npm依存ゼロ。