#speech-to-text Repositórios
211 repositórios no total
Um SDK modular Swift para processamento de áudio com MLX no Apple Silicon
Fala para Texto para Fala. Música a tocar agora. Envia texto como mensagens OSC para o VRChat para exibir no avatar. (STTTS) (Speech to TTS) (VRC STT System) (VTuber TTS)
🎤 Lobe TTS - Uma biblioteca TTS/STT de alta qualidade e confiável para Servidor e Navegador
Aplicativo de voz rápido, privado e local para Macs Apple Silicon — ditado, transcrição de arquivos/mídia, gravação de reuniões, transformações e uma CLI de automação pública. Gratuito e de código aberto.
Dispositivo baseado em esp32, usado principalmente para bate-papo por voz com modelos de linguagem grandes
Chatbot de voz local para conversas envolventes, alimentado por Ollama, Hugging Face Transformers e Coqui TTS Toolkit
Teclado e serviço de reconhecimento de fala privado e no dispositivo para Android.
Reconhecimento de fala baseado em PaddlePaddle, reconhecimento de fala em chinês. O projeto é bem desenvolvido e possui bom desempenho de reconhecimento. Suporta treinamento e previsão no Windows e Linux, e previsão em placas de desenvolvimento Nvidia Jetson.
Implementação de funcionalidades de chat de IA usando Unity. Atualmente, esta biblioteca inclui a implementação de código para chamadas de API de grandes modelos de linguagem (LLMs), como ChatGPT, ChatGLM, e outros, bem como a implementação de funcionalidades de serviços de voz da Microsoft Azure e Baidu AI. Todos os serviços de voz são implementados usando APIs da web, com suporte para plataformas como Windows/WebGL/Android.
AlwaysReddy é um assistente de voz LLM que está sempre a apenas uma tecla de atalho de distância.
Rapida é uma plataforma de orquestração de IA de voz de código aberto e de ponta a ponta para criar agentes de voz conversacionais em tempo real com streaming de áudio, STT, TTS, VAD, integração multi-canal, gerenciamento de estado dos agentes e observabilidade.
Coleção de recursos sobre as aplicações de Modelos de Linguagem Grandes (LLMs) em IA de Áudio.
Executando o modelo de fala para texto (whisper.cpp) no Unity3d na sua máquina local.
Framework de reconhecimento automático de fala (ASR) implementado em Pytorch para streaming e não-streaming, compatível com reconhecimento online e offline, suportando atualmente os modelos Conformer, Squeezeformer e DeepSpeech2, e diversos métodos de aumento de dados.
Digitação por voz com IA de código aberto para macOS, Windows e Linux. Pressione uma tecla de atalho, fale naturalmente e obtenha texto polido em qualquer aplicativo.
Transcrever e traduzir voz para arquivo LRC usando Whisper e LLMs (GPT, Claude, etc.). Use whisper e LLM (GPT, Claude, etc.) para transcrever e traduzir seu áudio para um arquivo de legendas.
Motor de fala para texto por streaming no dispositivo, desenvolvido com aprendizado profundo
Assistente de entrevistas com IA de código aberto e copiloto para reuniões: respostas em tempo real durante chamadas do Zoom, Google Meet e Teams, transcrição no dispositivo e invisível durante o compartilhamento de tela. Alternativa gratuita ao Cluely, Interview Coder e Final Round AI para Windows, macOS e Linux.
IA no dispositivo para Flutter — Gemma e outros LLMs, multimodalidade, chamadas de função, embeddings, RAG e voz no Android, iOS, Web, macOS, Windows e Linux.
:speech_balloon: /so.nus/ STT (speech to text) para Node com detecção de hotword offline
Estúdio de apresentações no estilo Canva, exclusivo para navegador e alimentado por IA Web local.
Um aplicativo de ditado nativo para a barra de menus do macOS que usa conversão de fala em texto local com WhisperKit
Ferramenta de transcrição e resumo de voz para uso por equipes/organizações, com implantação privada possível na intranet (on-premise), incluindo o código completo de front-end e back-end.
Legendas de Fala para Texto e entrada de Teclado para OBS, VRChat, chat do Twitch e Discord
Jigasi: uma aplicação do lado do servidor que atua como um gateway para conferências Jitsi Meet. Atualmente permite que clientes SIP regulares participem de reuniões e fornece capacidades de transcrição.
Criação de um software para monitoramento automático em proctoring online
Ditado por voz ultrarrápido, gratuito e com prioridade para o processamento local no macOS, com transcrição no dispositivo
Dê olhos, ouvidos e resultados verificáveis aos agentes de IA. O Watch Skill transforma vídeos, áudio e atividades na tela em evidências pesquisáveis e com marcação de tempo, e comprova o trabalho por meio de contratos determinísticos, não de opiniões do modelo. DeepWatch é o espaço de trabalho para agentes desenvolvido com base no DeepSeek Harness. Python + npm, MCP, CLI, REST e Web.
Uma biblioteca Python para resolver reCAPTCHA v2 e v3 com Playwright
🎭 Plataforma de avatar de IA / humano digital — carregue uma foto, clone uma voz e converse com qualquer rosto em tempo real usando vídeo com sincronização labial. Código aberto e auto-hospedada. Claude · Whisper · Chatterbox · MuseTalk.
⚡ Assistente de voz com IA absurdamente rápido com tempos de resposta <500ms
Um IME de voz de código aberto no dispositivo (teclado) para Android usando a biblioteca Vosk.
🗣 Uma sobreposição que obtém a permissão de voz do usuário e entrada como texto em uma interface personalizável
Servidor MCP de mouse de hardware para agentes de IA no Windows x64. Controle USB HID e ditado por voz; requer hardware e firmware uMouse compatíveis.
Aplicativo de ditado gratuito, de código aberto e com prioridade para o processamento local no macOS. Mantenha um atalho pressionado, fale e o texto será digitado em qualquer aplicativo. Conversão de fala em texto no dispositivo com Whisper, Parakeet e Apple Speech. Uma alternativa privada, offline e de código aberto ao Wispr Flow.
Lista de APIs STT de reconhecimento de voz coreano. Benchmarks de desempenho para cada um.
Transcreva qualquer URL de vídeo ou arquivo de áudio para texto simples. Sem GPU. Sem nuvem. Um único comando.
Um pipeline otimizado de fala para texto para o modelo Whisper que suporta vários mecanismos de inferência
Uma biblioteca de reconhecimento de fala em execução no navegador graças a uma compilação WebAssembly do Vosk
Crie agentes telefônicos de IA no seu próprio computador e teste cada alteração com uma chamada feita por IA. Código aberto, funciona gratuitamente sem chaves de API e custa alguns centavos por chamada com suas próprias chaves. Importa Dialogflow CX.