#whisper Репозитории
Всего репозиториев: 145
Позвольте Claude (или любой LLM) действительно посмотреть видео — кадры с учетом сцен, без дубликатов + расшифровка, из URL или локального файла. Работает локально, MIT.
Легкая библиотека для инференса файлов ONNX, написанная на C++. Она может запускать Stable Diffusion XL 1.0 на RPI Zero 2 (или в 298 МБ ОЗУ), а также Mistral 7B на настольных компьютерах и серверах. Поддерживаемые архитектуры: ARM, x86, WASM, RISC-V. Ускорение с помощью XNNPACK. Доступны привязки для Python, C# и JS (WASM).
Локальное распознавание речи для macOS ИИ на устройстве, полностью приватное, опциональная облачная версия
🎞️ Инструмент для генерации субтитров (Web-UI + CLI + пакет Python) на базе Whisper от OpenAI и его вариантов 🎞️
Плагин OBS для локального распознавания речи и создания субтитров с использованием ИИ
Бесплатный ввод текста голосом с открытым исходным кодом для macOS и Windows. Локальное распознавание речи с помощью Whisper и Parakeet; работает и офлайн.
WhisperFusion основан на возможностях WhisperLive и WhisperSpeech для обеспечения беспрепятственного общения с ИИ.
Открытая локальная альтернатива Granola/Otter, которую могут запрашивать Claude Code, Codex, Cursor и любой MCP-клиент. Совещания, звонки и голосовые заметки транскрибируются на устройстве в Markdown, который принадлежит вам.
Дайте Клоду возможность просматривать и понимать видео — плагин Claude Code с извлечением кадров и мультимодальным аудиоанализом
Проект с открытым исходным кодом для разработчиков Windows, чтобы научиться добавлять ИИ с локальными моделями и API в приложения Windows.
Управляемая транскрипция. Дословная (с каждым словом-паразитом, паузой, заиканием и вокальным звуком) или смысловая (что именно хотел сказать говорящий, с оптимизацией для удобства чтения), с временными метками на уровне слов.
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.
🍦 Speech-AI-Forge — это проект, разработанный вокруг модели генерации TTS, реализующий API-сервер и веб-интерфейс на основе Gradio.
Объясняющие видео и демонстрации продуктов, созданные вашим ИИ-агентом. Бесплатно и с открытым исходным кодом: локальный голос (Kokoro), синхронизация слов (Whisper) и рендерер на основе canvas превращают сценарий в MP4 с озвучкой.
MTools — это мощное многофункциональное настольное приложение, объединяющее инструменты для обработки аудио и видео, редактирования изображений, работы с текстом и кодирования. В него встроены функции улучшения на основе ИИ, а также предусмотрен локальный сервис MCP. Приложение призвано упростить рабочий процесс и повысить продуктивность.
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, ..]
Оператор инференса ИИ для Kubernetes. Самый простой способ развертывания ML-моделей в продакшене. Поддерживает VLM, LLM, эмбеддинги и преобразование речи в текст.
Нативное распознавание речи для Linux - Быстрое, точное, приватное и настраиваемое системное диктование
Whisper — это формат базы данных временных рядов на основе файлов для Graphite.
Дообучите модель распознавания речи Whisper для поддержки обучения без данных временных меток, обучения с данными временных меток и обучения без данных речи. Ускорьте вывод и поддержите веб-развертывание, развертывание на рабочем столе Windows и развертывание на Android
OpenCluely — это бесплатная альтернатива Cluely с открытым исходным кодом, созданная для технических собеседований, таких как DSA, OAs и CP. Она предлагает невидимую накладку, помощь ИИ в реальном времени, интеллектуальную обработку изображений для захвата вопросов и многоязычную поддержку: 100% настраиваемая и приватная.
Приложение iOS с открытым исходным кодом, которое делает качественный голосовой ввод более доступным на мобильных устройствах.
Голосовая ИИ-подруга (голосовая ИИ-подруга для DeepSeek Harness): голосовой ввод через Whisper + клонирование голоса с помощью Qwen3-TTS + потоковое озвучивание по предложениям + окно с анимированным аватаром. Два режима — прерывание и очередь; достаточно заговорить, чтобы немедленно прервать воспроизведение.
Генерация субтитров для видео и аудио, создание файлов srt. Не требуется запрос сторонних API, локальная реализация преобразования аудио в текст. Основанная на Transformer структура для генерации субтитров видео. Графический инструмент для генерации субтитров из видео и создания файлов srt.
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.
Помощник для записи голоса с поддержкой BYOK, ASR-транскрибацией, диаризацией говорящих, ИИ-сводками и локальными конечными точками ASR.
💬📝 Небольшое приложение для диктовки, использующее модель распознавания речи Whisper от OpenAI.
готовое к использованию решение для автономной транскрипции и диаризации с возможностью самохостинга и подведением итогов с помощью LLM
Голосовой ввод для macOS с локальными моделями: расшифровывайте речь, переводите и переформулируйте текст в любом приложении. Преемник Voxt.
Этот проект предоставляет API с поддержкой доступа на уровне пользователя для транскрибирования речи в текст с использованием тонко настроенной и обработанной модели Whisper ASR.
BiBi Keyboard: клавиатура для голосового ввода на Android, использующая LLM и ASR, основанная на Kotlin
Библиотека C# для Twitch Chat, Whisper, API и PubSub. Позволяет общаться в чате, шептаться, подписываться на события стрима и модифицировать канал/аккаунт. Поддерживает всё, что поддерживает .NETStandard 2.0.