#speech-to-text 仓库
共 211 个仓库
多后端 Whisper 应用。极速。Mac-ARM 优化。安装简便。输入本地文件或 URL,此服务将使用 Whisper AI 进行转录。完全私密且免费 🤯🤯🤯
使用 Apple Silicon 在你的 Mac 上微调 LLM。SFT、DPO、GRPO、视觉、TTS、STT、嵌入和 OCR 微调 — 原生在 MLX 上。与 Unsloth 兼容的 API。
Gp.nvim (GPT 提示) Neovim AI 插件:ChatGPT 会话和可指令文本/代码操作和语音转文本 [OpenAI, Ollama, Anthropic, ..]
一个模块化的语音助手应用程序,用于试验最先进的转录、响应生成和文本转语音模型。支持 OpenAI、Groq、Elevenlabs、CartesiaAI 和 Deepgram API,以及通过 Ollama 的本地模型。非常适合语音技术的研究和开发。
开源语音AI SDK。面向希望拥有技术栈的开发者的Vapi/Retell替代方案。用4行代码为您的AI代理分配一个电话号码——支持Python和TypeScript,MIT许可,兼容Twilio、Telnyx和Plivo。
免费、开源、100%离线的Linux语音听写工具。通过whisper.cpp、Whisper和VOSK引擎,随时随地说话打字,支持GPU加速,兼容X11和Wayland!
Whisper-Flow 是一个框架,旨在利用 OpenAI 的 Whisper 模型实现音频内容的实时转录。与上传后一次性处理整个文件(批处理模式)不同,Whisper-Flow 接受连续音频块流,并即时生成增量转录。
基于PaddlePaddle实现端到端中文语音识别,从入门到实战,超简单的入门案例,超实用的企业项目。支持当前最流行的DeepSpeech2、Conformer、Squeezeformer模型
使用 OpenAI 的 Whisper 构建实时 speech2text 网页应用 https://openai.com/blog/whisper/
一款 100% 注重隐私的 AI 语音转录应用,可将 100 多种语言的语音转换为文字。使用 Whisper AI 和 Compose Multiplatform 为 Android 与 iOS 打造——无需上传到云端,所有处理均在设备上完成,全面保护隐私。请直接通过以下邮箱联系我们:[email protected]
用于多语言 ASR 和 TTS 模型的 C++ ggml 运行时中心:Cohere Transcribe、Parakeet TDT、Voxtral、Canary 1B v2 等,以及通用强制对齐等功能