#speech-to-text Репозитории
Всего репозиториев: 211
AI-копилот для встреч с открытым исходным кодом — транскрипция в реальном времени, подавление эха и помощь ИИ. Захватывает системный звук + микрофон, подавляет эхо с помощью WebRTC AEC3, транскрибирует с Deepgram и предоставляет помощь Claude/OpenAI во время встреч. Работает локально на macOS и Windows.
программное обеспечение с открытым исходным кодом для транскрипции аудио и видео
Система RAG【Retrieval-Augmented Generation】, подходящая для обучения, использования и автономного расширения! Может подключаться к Интернету для поиска с помощью ИИ.
Бесплатная программа для диктовки на компьютерах с macOS и Windows. Диктуйте сообщения, электронные письма и заметки в приложениях с помощью локального или облачного распознавания речи.
Двуязычные субтитры в реальном времени для любого приложения на macOS. Захватывает аудио, распознаёт речь и переводит офлайн — всё из строки меню.
YouDub — это инструмент с открытым исходным кодом, предназначенный для автоматического перевода и дублирования высококачественных видеороликов с YouTube, что позволяет переносить их в китайский сегмент Интернета. Инструмент использует технологию распознавания речи на основе ИИ для преобразования аудио в текст, затем переводит текст на китайский язык с помощью большой языковой модели (БЯМ) и, наконец, преобразует китайский текст в аудио с использованием технологии клонирования голоса на основе ИИ. Таким образом, мы можем создавать видео, дублированные на китайский язык, с сохранением оригинального тембра голоса ютубера.
Этот инструмент использует ИИ для оценки вашего произношения.
Сервер вывода языковых моделей с открытым исходным кодом, локальный и самостоятельно размещаемый, высоко оптимизированный, поддерживающий ASR/STT, TTS и LLM через WebRTC, REST и WS
Генеративное распознавание речи с приоритетом арабского языка — Audar-ASR-V1 (Flash + Turbo). № 1 в рейтинге Open Universal Arabic ASR. Карточки моделей, бенчмарки и инференс.
Легковесная клиент-серверная система для обработки аудио в реальном времени с обнаружением активности голоса (VAD) и автоматическим распознаванием речи (ASR).