#speech-to-text Repositórios
211 repositórios no total
Aplicativo whisper com múltiplos backends. Incrivelmente rápido. Otimizado para Mac-arm. Instalação fácil. Insira um arquivo local ou URL e este serviço transcreverá usando o Whisper AI. Completamente privado e Gratuito 🤯🤯🤯
Faça fine-tuning de LLMs no seu Mac com Apple Silicon. SFT, DPO, GRPO, Visão, TTS, STT, Embedding e fine-tuning de OCR — nativamente no MLX. API compatível com Unsloth.
💎 Uma lista de corpora de fala acessíveis para ASR, TTS e outras Tecnologias de Fala
Cliente de linha de comando Whisper compatível com o cliente original da OpenAI, baseado em CTranslate2.
Gp.nvim (Prompt GPT), plugin de IA para Neovim: Sessões do ChatGPT & Operações de texto/código instruíveis & Voz para texto [OpenAI, Ollama, Anthropic, ..]
Motor de inferência offline para arte, conversas de voz em tempo real, chatbots com tecnologia LLM e fluxos de trabalho automatizados
Reconhecimento de voz nativo para Linux - Ditado rápido, preciso, privado e hackeável em todo o sistema
StreamSpeech é um modelo contínuo "tudo em um" para reconhecimento de fala offline e simultâneo, tradução de fala e síntese de fala.
Totalmente local, privado e multiplataforma Speech-to-Text com pós-processamento LLM
Uma aplicação de assistente de voz modular para experimentar modelos de ponta de transcrição, geração de resposta e texto-para-voz. Suporta as APIs da OpenAI, Groq, Elevanlabs, CartesiaAI e Deepgram, além de modelos locais através do Ollama. Ideal para pesquisa e desenvolvimento em tecnologia de voz.
O aplicativo iOS de código aberto que está tornando a transcrição de voz de qualidade mais acessível em dispositivos móveis.
SDK de voz-IA de código aberto. A alternativa ao Vapi/Retell para desenvolvedores que querem possuir a pilha. Dê ao seu agente de IA um número de telefone em 4 linhas — Python e TypeScript, licenciado sob MIT, Twilio, Telnyx e Plivo.
Ditado por voz gratuito, de código aberto e 100% offline para Linux. Fale e digite em qualquer lugar através dos mecanismos whisper.cpp, Whisper e VOSK, acelerado por GPU, funciona no X11 + Wayland.
Whisper-Flow é uma estrutura projetada para permitir a transcrição em tempo real de conteúdo de áudio usando o modelo Whisper da OpenAI. Em vez de processar arquivos inteiros após o upload (modo por lote), o Whisper-Flow aceita um fluxo contínuo de fragmentos de áudio e gera transcrições incrementais imediatamente.
:zap: TensorFlowASR: Reconhecimento Automático de Fala (ASR) praticamente de ponta no Tensorflow 2. Idiomas suportados que podem usar caracteres ou subpalavras.
Assistente de gravação de voz com BYOK, transcrição ASR, diarização de falantes, resumos por IA e suporte a endpoints ASR locais.
Fun-Audio-Chat é um Grande Modelo de Linguagem de Áudio construído para interações de voz naturais e de baixa latência.
Este conjunto de ferramentas permite aos usuários interagir com serviços de IA diretamente de seu terminal.
💬📝 Um pequeno aplicativo de ditado que utiliza o modelo de reconhecimento de fala Whisper da OpenAI.
Transcrição de áudio quase em tempo real usando Whisper auto-hospedado e WebSocket em Python/JS
Avalie seu sistema de conversão de fala em texto com medidas de similaridade, como a taxa de erro de palavras (WER)
Converta o áudio do computador ou do microfone em legendas traduzidas em tempo real.
Entrada de voz para macOS com modelos locais: transcreva, traduza e reescreva em qualquer app. O sucessor do Voxt.
Voicy (@voicybot): um bot do Telegram que converte mensagens de voz em texto em grupos e conversas privadas
Um app gratuito, de código aberto, com prioridade à privacidade para entrada de voz no macOS.
Omni SenseVoice: Reconhecimento de Voz de Alta Velocidade com timestamps das palavras 🗣️🎯
BiBi Keyboard: teclado de entrada de voz com LLM e ASR para a plataforma Android baseado em Kotlin
Implementação ponta a ponta de reconhecimento de fala chinês baseada em PaddlePaddle, do básico à prática, com casos de uso de entrada super simples e projetos empresariais super práticos. Suporta os modelos DeepSpeech2, Conformer e Squeezeformer mais populares atualmente.
Um aplicativo de desktop local e gratuito para extrair legendas (SRT) de vídeos e traduzi-las para qualquer idioma — uso ilimitado, sem registro, sem nuvem.
Software de geração de legendas totalmente automatizado e completo; cobre todo o processo de download, transcrição, tradução e gravação, sem necessidade de intervenção humana.
Uma implementação extremamente rápida do whisper, otimizada para Apple Silicon usando MLX.
Crie aplicativos web de conversão de fala em texto em tempo real usando o Whisper da OpenAI https://openai.com/blog/whisper/
Recursos de código do Azure OpenAI para usar as capacidades em tempo real do gpt-4o.
Um aplicativo de transcrição de voz com IA 100% privado que converte fala em texto em mais de 100 idiomas. Desenvolvido com Compose Multiplatform para Android e iOS usando o Whisper AI: sem uploads para a nuvem, todo o processamento ocorre no dispositivo para garantir total privacidade. Entre em contato diretamente pelo e-mail: [email protected]
Hub de runtime C++ ggml para modelos ASR e TTS multilingues: Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2, etc., além de alinhamento forçado universal e mais