speech-to-text

面向抖音直播电商的 Windows 本地 AI Agent Studio，贯通主播发现、直播洞察、直播复盘与短视频内容编导的统一智能工作流。

:zap: TensorFlowASR: Fast dem Stand der Technik entsprechende automatische Spracherkennung in Tensorflow 2. Unterstützte Sprachen, die Zeichen oder Subwörter verwenden können

Open-Source-Sprachdiktiertechnologie

Whisper-Flow ist ein Framework zur Echtzeit-Transkription von Audioinhalten mit dem Whisper-Modell von OpenAI. Statt ganzer Dateien nach dem Hochladen im Batch-Modus verarbeitet Whisper-Flow kontinuierliche Audio-Chunks und liefert sofort inkrementelle Transkripte.

Near-Realtime-Audio-Transkription mit selbstgehostetem Whisper und WebSocket in Python/JS

Botium Sprachverarbeitung

Whisper.net. Spracherkennung leicht gemacht mit Whisper Modellen.

Evaluieren Sie Ihr Speech-to-Text-System mit Ähnlichkeitsmaßen wie der Word Error Rate (WER)

.NET MAUI Beispiele

Hauptrepository des @voicybot Telegram-Bots

Optimierte Whisper-Modelle für Streaming und den Einsatz auf Geräten

Eine kostenlose, Open-Source-basierte und datenschutzorientierte Spracheingabe-App für macOS.

End-to-End-Mandarin-Spracherkennung basierend auf PaddlePaddle, von den Grundlagen zur Praxis: ein super einfaches Einstiegsbeispiel und ein hochpraktisches Unternehmensprojekt. Unterstützt die aktuell beliebtesten Modelle DeepSpeech2, Conformer und Squeezeformer.

💬 Spracherkennung für Ihre React-App

Erstellen Sie Echtzeit-Speech-to-Text-Web-Apps mit OpenAIs Whisper https://openai.com/blog/whisper/

Deskriptives Deep Learning

Eine automatisierte All-in-One-Software zur Untertitelgenerierung, die Herunterladen, Transkription, Übersetzung und Hardcoding komplett ohne menschliches Eingreifen abdeckt.

Kostenlose, Open-Source-basierte, 100 % offline funktionierende Sprachdiktat-Software für Linux. Sprechen und tippen Sie überall über whisper.cpp-, Whisper- und VOSK-Engines, GPU-beschleunigt, funktioniert unter X11 und Wayland!

🎤 Lobe TTS – Eine hochwertige und zuverlässige TTS/STT-Bibliothek für Server und Browser

Sprache zu Text zu Sprache. Song wird jetzt abgespielt. Sendet Text als OSC-Nachrichten an VRChat zur Anzeige auf dem Avatar. (STTTS) (Sprache zu TTS) (VRC-STT-System) (VTuber-TTS)

Lokaler Sprach-Chatbot für ansprechende Konversationen, basierend auf Ollama, Hugging Face Transformers und dem Coqui TTS Toolkit

Projekt, mit dem ein Mikrofon mit OpenAI Whisper verwendet werden kann.

Der einfachste Weg, Audio in Swift zu transkribieren

Eine zu 100 % private KI-Sprachtranskriptions-App, die Sprache in über 100 Sprachen in Text umwandelt. Entwickelt mit Compose Multiplatform für Android und iOS unter Verwendung von Whisper AI – keine Cloud-Uploads, die gesamte Verarbeitung erfolgt auf dem Gerät für absolute Privatsphäre.

Ein modulares Swift-SDK zur Audioverarbeitung mit MLX auf Apple Silicon

Ein auf Kotlin basierendes LLM- und ASR-Spracheingabe-Tastatur-App für die Android-Plattform

Auf PaddlePaddle basierende Spracherkennung für Chinesisch. Ausgereiftes Projekt mit hervorragenden Erkennungsergebnissen. Unterstützt Training und Vorhersage unter Windows und Linux sowie auf Nvidia Jetson-Entwicklerboards.

Ein Echtzeit-Tool zur stummen Spracherkennung.

Ausführen eines Speech-to-Text-Modells (whisper.cpp) in Unity3d auf Ihrem lokalen Computer.

Private Spracherkennungs-Tastatur und ein -Dienst für Android, die lokal auf dem Gerät laufen.