#speech-recognition Repositórios
206 repositórios no total
Servidor de inferência de linguagem altamente otimizado de código aberto, local e auto-hospedado que suporta ASR/STT, TTS e LLM através de WebRTC, REST e WS
Síntese de voz, reconhecimento de fala e detecção de atividade de voz para conversas por voz, em C++ com ggml: Qwen3-TTS, Irodori-TTS, Qwen3-ASR, ReazonSpeech, parakeet e Silero VAD em Metal, Vulkan e CPU, com um servidor compatível com OpenAI e transcrição em tempo real.
Reconhecimento de fala generativo focado em árabe — Audar-ASR-V1 (Flash + Turbo). Nº 1 no ranking Open Universal Arabic ASR. Cartões de modelo, benchmarks e inferência.
Ferramenta gratuita e de código aberto para edição com IA e criação de cortes de lives: transforme vídeos longos, reprises de lives e podcasts em vídeos curtos verticais virais com um clique e publique-os diretamente no TikTok, Kwai, Bilibili, Xiaohongshu e WeChat Channels. A IA encontra os melhores momentos e frases marcantes, usa a repercussão dos comentários para identificar os trechos de maior impacto, adiciona legendas automaticamente e converte vídeos horizontais para o formato vertical. Funciona localmente, sem marca-d’água e sem uploads | Alternativa gratuita e de código aberto ao Opus Clip, 100% local: a IA transforma vídeos longos e VODs de lives em vídeos curtos virais no formato 9:16 para TikTok e YouTube Shorts. Sem créditos, sem marca-d’água e sem uploads. Windows/macOS/Linux.