speech-to-text

Lokale Spracherkennung für macOS mit On-Device-KI, vollständig privat, optionale Cloud

Deklarative Möglichkeit, KI-Modelle in React Native auf dem Gerät auszuführen, angetrieben von ExecuTorch.

Sammelt alle Inhalte von Hu Chenfeng

Speech Note Linux-App. Notizen erstellen, lesen und übersetzen mit Offline-Spracherkennung (Speech-to-Text), Sprachsynthese (Text-to-Speech) und maschineller Übersetzung.

OBS-Plugin für lokale Spracherkennung und Untertitelung mittels KI

Leistungsstarker, mit OpenAI und Anthropic kompatibler LLM-Inferenzserver für Apple Silicon. Nativer MLX, Continuous Batching, multimodale Modelle, MCP-Tool-Aufrufe und Claude-Code-Unterstützung.

TikTok LIVE API für Python: Die definitive Drittanbieter-Bibliothek zum Empfangen von Livestream-Ereignissen (Kommentare, Geschenke usw.) in Echtzeit von TikTok LIVE.

Mit dem Mac sprechen, Dokumente abfragen, keine Cloud erforderlich. Sprach-KI auf dem Gerät + RAG

Benutzerdefinierte Nodes, die die Funktionen von ComfyUI erweitern

🎙️ KI-Diktier-App – Open Source und Local-First ⚡ 3x schneller tippen, keine Tastatur erforderlich. 🆓 Angetrieben von Open-Source-Modellen, offline funktionsfähig, schnell und präzise.

Open-Source-LLM-basiertes ASR-Modellfamilie für Chinesisch, Dialekte, Akzente und mehrsprachige Sprache, mit FunASR, vLLM, Streaming- und llama.cpp-Runtimes.

Jedes Meeting, jede Idee, jede Sprachnotiz durchsuchbar durch Ihre KI. Open-Source-Konversationsspeicherschicht mit Fokus auf Datenschutz.

Synchronisierte Übersetzung für Videos. Videovertonung

💎 Eine Liste barrierefreier Sprachkorpora für ASR, TTS und andere Sprachtechnologien

Fine-Tuning von LLMs auf Ihrem Mac mit Apple Silicon. SFT-, DPO-, GRPO-, Vision-, TTS-, STT-, Embedding- und OCR-Fine-Tuning – nativ auf MLX. Unsloth-kompatible API.

Multi-Backend-Whisper-App. Bl Blitzschnell. Optimiert für Mac-arm. Einfache Installation. Lokale Datei oder URL eingeben und dieser Dienst transkribiert sie mit Whisper AI. Vollständig privat und kostenlos 🤯🤯🤯

Whisper-Kommandozeilenclient, kompatibel mit dem originalen OpenAI-Client basierend auf CTranslate2.

Sprach-zu-Text mit Push-to-Talk für Wayland-Compositor

Gp.nvim (GPT prompt) Neovim AI-Plugin: ChatGPT-Sitzungen & instruierbare Text-/Code-Operationen & Spracherkennung [OpenAI, Ollama, Anthropic, ..]

Offline-Inferenz-Engine für Kunst, Echtzeit-Sprachkonversationen, LLM-gestützte Chatbots und automatisierte Workflows

StreamSpeech ist ein All-in-One-Modell für nahtlose Offline- und Simultanspracherkennung, -sprachübersetzung und -sprachsynthese.

Eine Voice-Chat-App

Native Sprache-zu-Text-Funktion für Linux – Schnelles, genaue, private und erweiterbare systemweite Diktierfunktion

Unzensiertes lokales KI-Studio für Windows, Linux und macOS. Installationsfreie GUI für Bildgenerierung, GGUF-LLMs, Text-to-Speech & Speech-to-Text

KI-Vtuber zum Streamen auf YouTube und Twitch.

Die Open-Source-iOS-App, die hochwertige Sprachtranskription auf Mobilgeräten zugänglicher macht.

💬📝 Eine kleine Diktier-App, die das Whisper-Spracherkennungsmodell von OpenAI nutzt.

Muesli – Agenten-native lokale Meeting-Transkription + Diktat für macOS (Alternative zu Granola + WisprFlow)

Vollständig lokale, private und plattformübergreifende Spracherkennung (Speech-to-Text) mit LLM-Nachbearbeitung

Open-Source-Voice-KI-SDK. Die Vapi/Retell-Alternative für Entwickler, die den Stack selbst kontrollieren möchten. Verleihen Sie Ihrem KI-Agenten in 4 Zeilen eine Telefonnummer — Python und TypeScript, unter MIT-Lizenz, Twilio, Telnyx und Plivo.