#speech-to-text Repositórios
Descubra 211 repositórios ativos de código aberto no GitHub marcados com #speech-to-text, acumulando um total de 925,003 estrelas (uma média de 4,383 por projeto). O líder deste tópico é debpalash/VoiceStudio, com 115,753 estrelas.
211 repositórios no total
O VoiceStudio é a alternativa de código aberto e totalmente local ao ElevenLabs — clonagem de voz, design de voz, dobragem de vídeo, ditado, transcrição e criação de audiolivros em 646 idiomas.
Um aplicativo de conversão de fala em texto, gratuito, de código aberto e extensível, que funciona completamente offline.
Assistente de IA para fazer anotações em reuniões, com foco na privacidade, para Windows, macOS e Linux. Gratuito e de código aberto (MIT). Transcrição com Whisper/Parakeet e diarização de locutores no próprio dispositivo, sem bot nas reuniões. Alternativa de código aberto ao Granola, Otter e Fireflies. https://meetily.ai
WhisperX: Reconhecimento Automático de Fala com Carimbos de Tempo em Nível de Palavra (& Diarização)
YC (S26) | Screenpipe encontra o trabalho que vale a pena automatizar | Registre continuamente, em local, o trabalho realizado no computador, descubra fluxos de trabalho recorrentes e entregue o resultado a qualquer agente que você já use.
🚀 API auto-hospedada para coletar dados do Douyin, TikTok e Bilibili e baixar vídeos sem marca-d'água. Compatível com chamadas de agentes de IA via MCP e transcrição de fala offline. Implantação Docker com um clique. | Extrator auto-hospedado para TikTok, Douyin e Bilibili e baixador de vídeos sem marca-d'água — API REST assíncrona, servidor MCP para agentes de IA, CLI e console web, além de transcrição de fala offline para os vídeos baixados. Pool de identidades autorreparável, arquivo PostgreSQL e inicialização com um único `docker compose up`.
Kit de ferramentas de reconhecimento de fala de código aberto para treinamento, inferência, ASR em streaming, VAD, pontuação, pipelines de diarização de falantes e serviço compatível com OpenAI/MCP.
Traduza o vídeo de um idioma para outro e incorpore dublagem e legendas.
Reconhecimento de fala para texto, texto para fala, diarização de falantes, aprimoramento de fala, separação de fontes e VAD usando a próxima geração do Kaldi com onnxruntime sem conexão com a Internet. Suporte para sistemas embarcados, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, NPU RK, NPU Axera, NPU Ascend, servidores x86_64, servidor/cliente websocket, suporte para 12 linguagens de programação
API de reconhecimento de fala offline para Android, iOS, Raspberry Pi e servidores com Python, Java, C# e Node
Gradio WebUI para criadores e desenvolvedores, apresentando recursos-chave de TTS (Edge-TTS, kokoro) e clonagem de voz zero-shot (E2 & F5-TTS, CosyVoice), com processamento de áudio Whisper, download do YouTube, isolamento vocal Demucs e tradução multilíngue.
Aplicativo de ditado voz-para-texto com modelos locais (Nvidia Parakeet/Whisper) e na nuvem (BYOK). Prioridade à privacidade e disponível cross-platform.
Conversão de fala em texto em tempo real e local com ASR em streaming, diarização de falantes, tradução e APIs compatíveis com OpenAI/Deepgram.
Baixe vídeos e áudios de mais de 1.000 sites, transcreva-os localmente com identificação dos falantes e resuma, traduza ou converse sobre suas mídias usando o provedor de IA de sua preferência.
Uma biblioteca de conversão de fala em texto robusta, eficiente e de baixa latência com detecção avançada de atividade de voz, ativação por palavra de despertar e transcrição instantânea.
Modelo SenseVoiceSmall de código aberto para ASR em mandarim, cantonês, inglês, japonês e coreano, identificação de idioma, reconhecimento de emoções e detecção de eventos de áudio.
Módulo de reconhecimento de fala para Python, suportando diversos motores e APIs, online e offline.
Um Sistema de Reconhecimento de Fala Chinês Baseado em Deep Learning
Uma biblioteca de texto para fala (TTS), fala para texto (STT) e fala para fala (STS) construída sobre o framework MLX da Apple, fornecendo análise de fala eficiente no Apple Silicon.
Pré-lançamento do ODS V3: testes públicos e aperfeiçoamentos antes do lançamento oficial da V3. Transforme seu PC, Mac ou computador Linux em um servidor de IA privado.
Grave sua tela, compartilhe uma demonstração. Gratuito e de código aberto, acelerado por GPU, sem marcas d'água, sem assinaturas. Windows, macOS, Linux. Mantido ativamente.
Ferramenta de transcrição de vídeo, geração de legendas e corte assistido por LLM, alimentada por FunASR com interface Gradio local.
Gere vídeos curtos de vários tipos em lote com um clique usando IA, edite automaticamente vídeos curtos em lote e publique vídeos automaticamente no Douyin, Kuaishou, Xiaohongshu e Canais de Vídeo (WeChat Video Account) – ganhar dinheiro nunca foi tão fácil! Suporta modelos de voz locais: chatTTS, fasterwhisper, GPTSoVITS; Suporta voz na nuvem: Azure, Alibaba Cloud, Tencent Cloud. Suporta Stable diffusion e comfyUI para geração direta de imagens por IA. Gere vídeos curtos com um clique usando IA LLM, vamos imprimir dinheiro juntos! Suporte: chatTTS, faster-whisper, GPTSoVITS, Azure, Tencent Cloud, Ali Cloud.
Plataforma de IA de voz de código aberto. Alternativa auto-hospedada ao Vapi e Retell. On-premise, BYOK em Speech-to-Speech ou LLM/STT/TTS, com um construtor de fluxo de trabalho visual, nativo em MCP e suporte a telefonia.
Modelos Silero: modelos de conversão de texto em fala pré-treinados tornados incrivelmente simples
🎙️🤖Crie, personalize e converse com seu personagem/companheiro de IA em tempo real (tudo em um único codebase!). Tenha uma conversa natural e fluida com IA em qualquer lugar (celular, web e terminal) usando LLM OpenAI GPT3.5/4, Anthropic Claude2, Chroma Vector DB, Whisper Speech2Text, ElevenLabs Text2Speech🎙️🤖
Localização e dublagem de vídeo com IA de código aberto para YouTube/Bilibili: reconhecimento de voz, tradução de legendas, clonagem de voz, mixagem de áudio e renderização. Ferramenta de código aberto para tradução e dublagem de vídeos com IA.
Reconhecimento Automático de Fala com Diarização de Locutor baseado em OpenAI Whisper
Um companheiro de desktop com IA, autônomo e ciente do contexto. Desenvolvido em Python, oferece visão de tela em tempo real, síntese de voz ONNX personalizada, rastreamento da janela ativa e uma interface flutuante dinâmica com expressões faciais reativas.
Ferramenta de Reconhecimento de Voz para Texto / Uma ferramenta local de transcrição de áudio e vídeo que roda offline, com saída nos formatos json, srt (legendas) e texto puro
Implementação JAX do modelo Whisper da OpenAI para aceleração de até 70x em TPU.
Geração de legendas no dispositivo que se conecta diretamente ao DaVinci Resolve, Premiere e After Effects.
Um mecanismo de inferência tudo-em-um, puro em C++, para modelos de áudio, alimentado por ggml. Suporta TTS, STT, VAD, conversão de voz, geração de música e muito mais, com desempenho altamente otimizado. Sem dependência de Python.
Segure uma tecla, fale, solte — texto polido por IA aparece no seu cursor em qualquer app. Entrada de voz open-source para macOS e Windows.
Ferramenta leve e poderosa de tradução de áudio/voz em tempo real baseada no Windows LiveCaptions.
Perguntas Frequentes
Qual é o repositório de #speech-to-text mais popular no GitHub?
O projeto de código aberto de #speech-to-text mais bem classificado no GitHub é debpalash/VoiceStudio, com 115,753 estrelas. O VoiceStudio é a alternativa de código aberto e totalmente local ao ElevenLabs — clonagem de voz, design de voz, dobragem de vídeo, ditado, transcrição e criação de audiolivros em 646 idiomas.
Quais linguagens de programação são mais usadas nos repositórios de #speech-to-text?
Entre os projetos de #speech-to-text mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, TypeScript, Rust, C++.
Como é calculada a classificação dos repositórios de #speech-to-text?
Acompanhamos 211 repositórios ativos de código aberto marcados com #speech-to-text (com mais de 500 estrelas), totalizando 925,003 estrelas e uma média de 4,383 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.