#transcription Repositórios
Descubra 72 repositórios ativos de código aberto no GitHub marcados com #transcription, acumulando um total de 322,848 estrelas (uma média de 4,484 por projeto). O líder deste tópico é debpalash/VoiceStudio, com 115,753 estrelas.
72 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.
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
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.
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.
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.
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.
Ferramenta de transcrição de vídeo, geração de legendas e corte assistido por LLM, alimentada por FunASR com interface Gradio local.
Um conversor de áudio para MIDI leve, mas poderoso, com detecção de pitch bend
Geração de legendas no dispositivo que se conecta diretamente ao DaVinci Resolve, Premiere e After Effects.
Transforme áudio e vídeo em legendas com uma interface web fácil de usar. Tudo é executado na sua própria máquina. Anteriormente Whishper.
API de transcrição de reuniões de código aberto para Google Meet, Microsoft Teams e Zoom. Bots que participam automaticamente, transcrições WebSocket em tempo real, servidor MCP para agentes de IA. Auto-hospede ou utilize SaaS hospedado.
Kit de ferramentas gratuito e de código aberto para arquivos PDF, imagens, vídeo e áudio. Comprima, converta, faça OCR, remova fundos e transcreva no seu próprio servidor com um único comando Docker. Mais de 200 ferramentas, IA local e API REST. Uma alternativa ao iLovePDF, TinyWow, CloudConvert e remove.bg.
Aplicativo Hex legado em Swift. Experimente a versão reescrita em Rust em hex.kitlangton.com; novo código-fonte em github.com/anomalyco/hex.
Notas de reuniões privadas com IA que permanecem no seu computador. Sem bot de reuniões. Gratuito e de código aberto para Mac, Windows e Linux. Uma alternativa ao Granola, Otter e Fireflies.
Um gravador de reuniões bonito e minimalista para Mac. Toque em Iniciar e, depois, em Parar para obter notas e uma transcrição em um único arquivo Markdown. Tudo é processado no dispositivo. Gratuito e de código aberto.
Plataforma de operações com IA para Xiaohongshu|Coleta de dados do Xiaohongshu, download de comentários, biblioteca de materiais, seleção de temas, redação com IA e solução completa para Xiaohongshu — pronta para uso e com instalação em um clique. Plataforma de IA para Xiaohongshu, biblioteca de materiais para criadores de conteúdo, redação com IA + organização automática de imagens, OpenClaw para Xiaohongshu, base de ativos para criadores de conteúdo + plataforma de IA, compatível com publicações de imagem e texto do Xiaohongshu e download de comentários, ferramentas de criação com IA para Xiaohongshu, WorkBuddy para criadores de conteúdo, coleta de dados por rastreadores no Douyin e no Xiaohongshu
🔊 Lista Incrível para o Whisper — um sistema de reconhecimento de fala de código aberto, com tecnologia de IA, desenvolvido pela OpenAI
Deixe o Claude (ou qualquer LLM) realmente assistir a um vídeo — quadros com detecção de cena e sem duplicatas + transcrição, de uma URL ou arquivo local. Executa localmente, MIT.
Um modelo de 0,9B para transcrição de conteúdos longos em mais de 50 idiomas, com diarização de locutores, marcações de tempo e reconhecimento de eventos acústicos
Tecnologia de IA de ponta para transcrição de áudio automatizada. Uma interface gráfica de usuário (GUI) agradável para o Whisper da OpenAI e pyannote (identificação de locutor)
Um pacote Python para construir aplicações de áudio em tempo real potencializadas por IA
Transcrição de fala local para macOS IA no dispositivo, totalmente privada, nuvem opcional
Pipeline de edição de código aberto orientado por agentes: crie legendas, motion graphics e slides, edite e renderize vídeos.
BaoCut: um agente de vídeo com IA e uma linha do tempo editável. Transcreva, legende, traduza, duble, corte e anime.
Muesli: transcrição local de reuniões e ditado nativos para agentes no macOS (alternativa ao Granola + WisprFlow + Littlebird)
Digitação por voz gratuita e de código aberto para macOS e Windows. Transcrição local de fala para texto com Whisper e Parakeet, também disponível offline.
Modelos de reconhecimento de fala Fun-ASR, com suporte nativo ao Hugging Face Transformers para o Fun-ASR-Nano e caminhos de implantação separados para FunASR, vLLM e llama.cpp.
Alternativa de código aberto e local-first ao Granola/Otter, que pode ser consultada pelo Claude Code, Codex, Cursor e qualquer cliente MCP. Reuniões, chamadas e memorandos de voz transcritos no dispositivo para Markdown que pertence a você.
Transcrição controlável. Literal (cada muleta, pausa, gaguejo e som vocal) ou intencional (o que o falante pretendia dizer, otimizado para facilitar a leitura), com marcações de tempo no nível das palavras.
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 🤯🤯🤯
“Hacker de Terreno Sólido - O Caminho para US$ 12.000 ARR em Dois Meses” é escrito pela equipe do Hacker de Terreno Sólido. Este livro é um registro fiel da jornada do produto Podwise: o conteúdo abrange cinco capítulos: Inspiração - Construção - Lançamento - Crescimento - Revisão. Se você acha que ler sozinho não é suficiente, sinta-se à vontade para se juntar ao nosso Clube de Conhecimento oficial do "Hacker de Terreno Sólido" para discutir com os especialistas! A história do Podwise está apenas começando, e continuaremos compartilhando nosso aprendizado no clube. O sucesso pode não ser replicável, mas o fracasso certamente pode ser aprendido. Junte-se agora clicando no link abaixo!
14 skills de IA para incorporar conteúdo chinês omnicanal (Douyin / Bilibili / Xiaohongshu / contas oficiais do WeChat / X / podcasts) à sua base de conhecimento pessoal: salvar imagens de publicações, converter vídeos em transcrições, transcrição priorizando legendas sem GPU, agendamento de assinaturas RSS/YouTube com briefings diários de inteligência e um servidor MCP para a base de conhecimento. | Incorpore conteúdo chinês à sua base de conhecimento pessoal — roteamento de imagens e vídeos, transcrição priorizando legendas, assinaturas de feeds com resumos diários e um servidor MCP para a base de conhecimento.
🎬 Editor de vídeo/áudio de código aberto, baseado em transcrições, que vive no navegador.
O aplicativo iOS de código aberto que está tornando a transcrição de voz de qualidade mais acessível em dispositivos móveis.
Geração de legendas a partir de vídeo e áudio, gerando arquivos srt. Sem a necessidade de aplicar para APIs de terceiros, a conversão de áudio para texto é realizada localmente. Estrutura de geração de legendas de vídeo baseada em Transformer. Uma ferramenta GUI para gerar legendas a partir de vídeos e gerar arquivos srt.
Editor de vídeo com IA para agentes. Plugin ChatCut e servidor MCP para Codex, ChatGPT, Claude Code, Cursor, Grok, Gemini CLI, WorkBuddy, Doubao Work e Qwen Work: edite seus próprios vídeos por meio de conversas, adicione legendas, remova silêncios e vícios de linguagem, crie gráficos animados e exporte uma linha do tempo editável.
Qualquer arquivo → Markdown limpo para agentes de IA: PDF, Word, PowerPoint, Excel, EPUB, HTML e páginas da web, imagens (OCR), áudio e vídeo (metadados, legendas e transcrições). Um servidor MCP e uma CLI rápidos em Rust que rodam na sua máquina. Nenhuma chave de API é necessária.
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.
Assistente de gravação de voz com BYOK, transcrição ASR, diarização de falantes, resumos por IA e suporte a endpoints ASR locais.
Serviço turnkey de transcrição e diarização offline auto-hospedado com resumo LLM
Voicy (@voicybot): um bot do Telegram que converte mensagens de voz em texto em grupos e conversas privadas
Perguntas Frequentes
Qual é o repositório de #transcription mais popular no GitHub?
O projeto de código aberto de #transcription 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 #transcription?
Entre os projetos de #transcription mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, TypeScript, Rust, Swift.
Como é calculada a classificação dos repositórios de #transcription?
Acompanhamos 72 repositórios ativos de código aberto marcados com #transcription (com mais de 500 estrelas), totalizando 322,848 estrelas e uma média de 4,484 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.