#whisper Repositórios
145 repositórios no total
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.
Biblioteca de inferência leve para arquivos ONNX, escrita em C++. Ela pode executar o Stable Diffusion XL 1.0 em um RPI Zero 2 (ou com 298MB de RAM), mas também o Mistral 7B em desktops e servidores. Suporte para ARM, x86, WASM, RISC-V. Acelerado por XNNPACK. Bindings para Python, C# e JS(WASM) disponíveis.
Transcrição de fala local para macOS IA no dispositivo, totalmente privada, nuvem opcional
Cliente da API OpenAI para Kotlin com capacidades multiplataforma e de coroutines.
🎞️ Ferramenta de geração de legendas (Web-UI + CLI + Pacote Python) desenvolvida pelo Whisper da OpenAI e suas variantes 🎞️
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.
O WhisperFusion baseia-se nas capacidades do WhisperLive e WhisperSpeech para proporcionar conversas perfeitas com uma IA.
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.
Dê ao Claude a capacidade de assistir e entender vídeos — plugin Claude Code com extração de quadros e análise multimodal de áudio
Um projeto de código aberto para desenvolvedores Windows aprenderem a adicionar IA com modelos e APIs locais em aplicativos Windows.
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 🤯🤯🤯
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.
🍦 Speech-AI-Forge é um projeto desenvolvido em torno do modelo de geração TTS, implementando um Servidor API e uma WebUI baseada em Gradio.
Vídeos explicativos e demonstrações de produtos criados pelo seu agente de IA. Gratuito e de código aberto: uma voz local (Kokoro), a sincronização das palavras (Whisper) e um renderizador de canvas transformam um roteiro em um MP4 narrado.
MTools é um poderoso aplicativo multifuncional para desktop que integra ferramentas de processamento de áudio e vídeo, edição de imagens, manipulação de texto e codificação. Conta com recursos integrados de aprimoramento por IA e oferece um serviço MCP local. Foi desenvolvido para simplificar seu fluxo de trabalho e aumentar a produtividade.
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, ..]
Operador de Inferência de IA para Kubernetes. A maneira mais fácil de servir modelos de ML em produção. Suporta VLMs, LLMs, embeddings e fala-para-texto.
Reconhecimento de voz nativo para Linux - Ditado rápido, preciso, privado e hackeável em todo o sistema
Whisper é um formato de banco de dados de séries temporais baseado em arquivos para o Graphite.
Ajuste fino do modelo de reconhecimento de fala Whisper para suportar treinamento sem dados de carimbo de data/hora, treinamento com dados de carimbo de data/hora e treinamento sem dados de fala. Acelere a inferência e suporte implantação na Web, implantação em desktop Windows e implantação no Android
OpenCluely é uma alternativa gratuita e de código aberto ao Cluely, criada para entrevistas técnicas como DSA, OAs e CP. Oferece uma sobreposição invisível, ajuda de IA em tempo real, processamento inteligente de imagens para captura de perguntas e suporte multilíngue: 100% personalizável e privado.
O aplicativo iOS de código aberto que está tornando a transcrição de voz de qualidade mais acessível em dispositivos móveis.
Namorada com IA por voz (namorada com IA por voz para DeepSeek Harness): entrada de voz com Whisper + clonagem de voz com Qwen3-TTS + reprodução em streaming frase a frase + janela de avatar animado. Dois modos: interrupção ou fila; basta falar para interromper imediatamente.
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.
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.
Assistente de gravação de voz com BYOK, transcrição ASR, diarização de falantes, resumos por IA e suporte a endpoints ASR locais.
💬📝 Um pequeno aplicativo de ditado que utiliza o modelo de reconhecimento de fala Whisper da OpenAI.
Serviço turnkey de transcrição e diarização offline auto-hospedado com resumo LLM
Entrada de voz para macOS com modelos locais: transcreva, traduza e reescreva em qualquer app. O sucessor do Voxt.
Este projeto fornece uma API com suporte a acesso em nível de usuário para transcrever fala em texto, utilizando um modelo ASR Whisper ajustado e processado.
BiBi Keyboard: teclado de entrada de voz com LLM e ASR para a plataforma Android baseado em Kotlin
Biblioteca C# para Chat, Sussurro, API e PubSub do Twitch. Permite conversar, sussurrar, assinar eventos de stream e modificar canais/contas. Suporta tudo que suporta .NETStandard 2.0