#speech-to-text Репозитории
Всего репозиториев: 211
Приложение Whisper с несколькими серверными частями. Молниеносно. Оптимизировано для Mac-ARM. Простая установка. Введите локальный файл или URL, и эта служба транскрибирует его с помощью Whisper AI. Полностью приватно и бесплатно 🤯🤯🤯
Точно настраивайте LLMs на вашем Mac с Apple Silicon. SFT, DPO, GRPO, Vision, TTS, STT, Embedding и тонкая настройка OCR — нативно на MLX. API, совместимый с Unsloth.
💎 Список доступных речевых корпусов для ASR, TTS и других технологий речи
Клиент Whisper для командной строки, совместимый с оригинальным клиентом OpenAI на базе CTranslate2.
Gp.nvim (GPT-подсказка) Плагин Neovim AI: сеансы ChatGPT и операции с текстом/кодом, поддающиеся обучению, и преобразование речи в текст [OpenAI, Ollama, Anthropic, ..]
Автономный движок вывода для искусства, голосовых разговоров в реальном времени, чат-ботов на базе LLM и автоматизированных рабочих процессов
Нативное распознавание речи для Linux - Быстрое, точное, приватное и настраиваемое системное диктование
StreamSpeech — это универсальная(«All in One»)бесшовная модель для офлайн- и синхронного распознавания речи, голосового перевода и синтеза речи.
Полностью локальный, приватный и кроссплатформенный Speech-to-Text с постобработкой LLM
Модульное приложение голосового помощника для экспериментов с передовыми моделями транскрипции, генерации ответов и преобразования текста в речь. Поддерживает API OpenAI, Groq, Elevenlabs, CartesiaAI и Deepgram, а также локальные модели через Ollama. Идеально подходит для исследований и разработок в области голосовых технологий.
Приложение iOS с открытым исходным кодом, которое делает качественный голосовой ввод более доступным на мобильных устройствах.
Открытый SDK для голосового ИИ. Альтернатива Vapi/Retell для разработчиков, желающих владеть стеком. Дайте вашему ИИ-агенту номер телефона в 4 строки — Python и TypeScript, лицензия MIT, Twilio, Telnyx и Plivo.
Бесплатное, с открытым исходным кодом, 100% офлайн-диктовка голоса для Linux. Говорите и печатайте где угодно с помощью движков whisper.cpp, Whisper и VOSK, с ускорением GPU, работает на X11 + Wayland.
Whisper-Flow — это фреймворк, созданный для обеспечения трансляции аудиоконтента в реальном времени с использованием модели Whisper от OpenAI. Вместо обработки целых файлов после загрузки («пакетный режим»), Whisper-Flow принимает непрерывный поток аудио‑кусочков и немедленно создаёт инкрементальные транскрипты.
:zap: TensorFlowASR: Почти передовая автоматическая система распознавания речи в Tensorflow 2. Поддерживаемые языки, которые могут использовать символы или подслова
Помощник для записи голоса с поддержкой BYOK, ASR-транскрибацией, диаризацией говорящих, ИИ-сводками и локальными конечными точками ASR.
Fun-Audio-Chat — это большая аудиоязыковая модель, созданная для естественного голосового взаимодействия с низкой задержкой.
Этот набор инструментов позволяет пользователям взаимодействовать с сервисами ИИ непосредственно из их терминала.
💬📝 Небольшое приложение для диктовки, использующее модель распознавания речи Whisper от OpenAI.
Почти в реальном времени аудио транскрипция с использованием самостоятельно размещенного Whisper и WebSocket на Python/JS
Whisper.net. Преобразование речи в текст упрощено с помощью моделей Whisper
Оцените вашу систему преобразования речи в текст с помощью мер сходства, таких как коэффициент ошибок слов (WER)
Преобразуйте звук с компьютера или микрофона в субтитры с переводом в реальном времени.
Голосовой ввод для macOS с локальными моделями: расшифровывайте речь, переводите и переформулируйте текст в любом приложении. Преемник Voxt.
Voicy (@voicybot): бот Telegram, который преобразует голосовые сообщения в текст в группах и личных чатах
Бесплатное приложение с открытым исходным кодом и приоритетом конфиденциальности для голосового ввода на macOS.
Оптимизированные модели Whisper для потоковой передачи и использования на устройствах
Omni SenseVoice: Высокоскоростное распознавание речи с временными метками слов 🗣️🎯
BiBi Keyboard: клавиатура для голосового ввода на Android, использующая LLM и ASR, основанная на Kotlin
Сквозная система распознавания китайской речи на основе PaddlePaddle, от основ до практики, сверхпростые примеры для начинающих, сверхпрактичные корпоративные проекты. Поддерживает самые популярные в настоящее время модели DeepSpeech2, Conformer, Squeezeformer.
Бесплатное локальное настольное приложение для извлечения субтитров (SRT) из видео и их перевода на любой язык — неограниченное использование, без регистрации, без облака.
Универсальное программное обеспечение для автоматической генерации субтитров, охватывающее весь процесс: от скачивания и транскрибации до перевода и «вшивания» субтитров, без необходимости участия человека.
Чрезвычайно быстрая реализация Whisper, оптимизированная для Apple Silicon с использованием MLX.
Создавайте веб-приложения speech2text в реальном времени с помощью Whisper от OpenAI https://openai.com/blog/whisper/
Ресурсы кода Azure OpenAI для использования возможностей gpt-4o в реальном времени.
Полностью конфиденциальное приложение для расшифровки речи с помощью ИИ, которое преобразует речь в текст на более чем 100 языках. Создано с помощью Compose Multiplatform для Android и iOS и использует Whisper AI. Никаких загрузок в облако: вся обработка происходит на устройстве, обеспечивая полную конфиденциальность. Свяжитесь с нами напрямую: [email protected]
Центр выполнения C++ ggml для многоязычных моделей ASR и TTS: Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2 и др., а также универсальное принудительное выравнивание и многое другое