#whisper Repositórios
145 repositórios no total
Gere arquivos de legenda em lote para vídeos locais e traduza esses arquivos de legenda para outros idiomas. Suporte multiplataforma para sistemas Windows e Mac.
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.
Um pacote não oficial do OpenAI para Unity que visa ajudá-lo a usar a API da OpenAI diretamente no motor de jogos Unity.
Crie aplicativos web de conversão de fala em texto em tempo real usando o Whisper da OpenAI https://openai.com/blog/whisper/
Implementação Golang do servidor Graphite/Carbon com arquitetura clássica: Agente -> Cache -> Persister
Um aplicativo de fala para texto totalmente local e privado, oferecendo múltiplos backends de modelos, diarização e modo de calendário - Disponível para Windows, macOS e Linux
SDK de IA local de código aberto — execute IA no dispositivo sem nuvem nem chaves de API. Compatível com GGUF, RAG, geração de imagens, música e vídeo, conversão de fala em texto, inferência P2P e muito mais. Multiplataforma: Linux, macOS, Windows, Android e iOS.
Chatbot de voz local para conversas envolventes, alimentado por Ollama, Hugging Face Transformers e Coqui TTS Toolkit
Hook do React para OpenAI Whisper com gravador de voz, transcrição em tempo real e remoção de silêncio integrada
Vui Nano — um modelo pequeno de conversão de texto em fala, sensível ao contexto e treinado em conversas reais. 219 milhões de parâmetros ativos (305 milhões no total), Apache 2.0, clonagem de voz e streaming; funciona em CPU (build em C sem dependências). Inclui um assistente de voz completo em tempo real: WebRTC, ASR, LLM local e compatibilidade com a API Realtime da OpenAI.
Executando o modelo de fala para texto (whisper.cpp) no Unity3d na sua máquina local.
Resumo de Reunião de IA Nativo para macOS, com Foco em Código Aberto e Privacidade
Transcrição de Voz em Tempo Real com FastRTC ⚡️ e Whisper Local 🤗
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.
Reconhecimento de Fala Offline com OpenAI Whisper e TensorFlow Lite para Android
Resumidor de vídeos com IA e base de conhecimento para Bilibili, YouTube e vídeos locais.
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.
Converta facilmente uma playlist inteira do YouTube em transcrições de alta qualidade usando o Whisper.
Uma aplicação de transcrição e tradução de fala em tempo real usando Whisper OpenAI e uma API de tradução gratuita. Interface feita usando Tkinter. Código escrito inteiramente em Python.
Assistente de voz local em francês: Claude ou Ollama (offline), domótica Hue, OBS, agenda, navegador, chamadas Twilio, servidor MCP. Python.
Recurso portátil para agentes de IA: transforme links de vídeos do YouTube, Instagram, TikTok, X e outras plataformas em notas Markdown prontas para o Obsidian, com legendas ou transcrições locais do Whisper, quadros, metadados e marcações de tempo
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.
Um pipeline otimizado de fala para texto para o modelo Whisper que suporta vários mecanismos de inferência
YouDub é uma ferramenta de código aberto destinada a traduzir e dublar automaticamente vídeos de alta qualidade do YouTube, permitindo que sejam transportados para a internet chinesa. A ferramenta utiliza tecnologia de reconhecimento de voz por IA para converter áudio em texto, traduzindo subsequentemente o texto para chinês através de um Grande Modelo de Linguagem (LLM) e, finalmente, convertendo o texto chinês em áudio usando tecnologia de clonagem de voz por IA. Desta forma, podemos criar vídeos dublados em chinês que mantêm o timbre de voz original do YouTuber.
Servidor de inferência de linguagem altamente otimizado de código aberto, local e auto-hospedado que suporta ASR/STT, TTS e LLM através de WebRTC, REST e WS
Uma Skill de código aberto para Claude Code / Codex que transforma, com um clique, um artigo ou vídeo (do Douyin, Bilibili ou YouTube — primeiro convertido em transcrição) em publicações com imagem e texto para o Xiaohongshu, imagens longas em estilo de revista, layouts para contas oficiais do WeChat e vídeos curtos com narração gerada por IA. 21 temas, validação automática e zero dependências do npm.
ScribeWizard: Gere notas organizadas a partir de áudio usando Groq, Whisper e Llama3
Clipper de vídeo com IA, de código aberto e com foco no processamento local. Insira um vídeo longo e obtenha clipes em formato 9:16, com legendas incorporadas e rastreamento do orador. Funciona totalmente offline com Whisper + Ollama, ou use sua própria chave de API.