#whisper 仓库
共 145 个仓库
使用 OpenAI 的 Whisper 构建实时 speech2text 网页应用 https://openai.com/blog/whisper/
一款完全本地化且保护隐私的语音转文字应用,提供多种模型后端、说话人日志记录及日历模式 - 适用于 Windows、macOS 和 Linux
开源本地 AI SDK——无需云端和 API 密钥,即可在设备上运行 AI。支持 GGUF、RAG、图像、音乐和视频生成、语音转文字、P2P 推理等功能。跨平台支持:Linux、macOS、Windows、Android、iOS。
Vui Nano——一个在真实对话上训练的小型上下文感知文本转语音模型。219M 活跃参数(总计 305M),采用 Apache 2.0 许可证,支持声音克隆和流式处理,可在 CPU 上运行(无依赖的 C 构建版本)。随附完整的实时语音助手:支持 WebRTC、ASR、本地 LLM,并兼容 OpenAI Realtime API。
使用whisper和LLM(GPT,Claude等)将语音转录并翻译为LRC文件。使用whisper和LLM(GPT,Claude等)来转录、翻译你的音频为字幕文件。
使用 Whisper 轻松将整个 YouTube 播放列表转换为高质量的文字记录。
一个使用 Whisper OpenAI 和免费翻译 API 的实时语音转录和翻译应用程序。界面使用 Tkinter 构建。代码完全用 Python 编写。
本地法语语音助手:Claude 或 Ollama(离线运行)、Hue 智能家居、OBS、日历、浏览器、Twilio 通话、MCP 服务器。Python。
便携式 AI 智能体技能:将 YouTube、Instagram、TikTok、X 等视频链接转换为适用于 Obsidian 的 Markdown 笔记,包含字幕或本地 Whisper 转录文本、画面帧、元数据和时间戳
适用于 macOS 的免费开源、本地优先听写应用。按住快捷键说话,文字就会输入到任何应用中。使用 Whisper、Parakeet 和 Apple 语音技术在设备端将语音转为文本。私密、离线、开源的 Wispr Flow 替代品。
YouDub是一个开源工具,旨在自动化地将优质的YouTube视频进行翻译和配音,以便将其搬运到中文互联网上。该工具使用了AI语音识别技术将音频转换为文本,然后通过大语言模型将文本翻译成中文,最后通过AI声音克隆技术将中文转换为音频。这样,我们就可以创建出具有原始YouTuber音色的中文配音视频。
开源、本地、自托管的高度优化的语言推理服务器,支持通过 WebRTC、REST 和 WS 的 ASR/STT、TTS 和 LLM
把一篇文章或一条视频(抖音、B 站、YouTube,先转逐字稿)一键做成小红书图文、杂志长图、公众号排版和 AI 配音口播短视频的开源 Claude Code / Codex Skill。21 套主题,自动验收,零 npm 依赖。
开源、本地优先的 AI 视频剪辑工具。输入长视频,输出带字幕、跟踪发言人且比例为 9:16 的短片。使用 Whisper + Ollama 可完全离线运行,也可以使用你自己的 API 密钥。