stt

Dein KI‑Zweitgehirn. Selbst‑hostbar. Erhalte Antworten aus dem Web oder deinen Dokumenten. Erstelle benutzerdefinierte Agents, plane Automatisierungen, führe tiefgehende Forschung durch. Transformiere jedes Online‑ oder lokale LLM in deine persönliche, autonome KI (gpt, claude, gemini, llama, qwen, mistral). Loslegen – kostenlos.

Offline-Spracherkennungs-API für Android, iOS, Raspberry Pi und Server mit Python, Java, C# und Node.

Sprach-zu-Text, Absichtserkennung (Intent Recognition) und Text-zu-Sprache mit sehr geringer Latenz zum Erstellen von Sprachagenten und -schnittstellen

Open Vision Agents von Stream. Erstellen Sie schnell Sprach- und Bild-Agenten mit beliebigen Modell- oder Video-Anbietern. Nutzt das Edge-Netzwerk von Stream für ultra-gringe Latenzen.

Spracherkennungstool für Text / Ein lokal laufendes Offline-Tool zur Audio- und Video-Untertitelung, das JSON-, SRT- und Reintextformate ausgibt.

Transkribieren Sie jegliches Audio in Text, übersetzen und bearbeiten Sie Untertitel 100% lokal mit einer Web-Benutzeroberfläche. Unterstützt durch Whisper-Modelle!

🐸STT – Das Deep-Learning-Toolkit für Speech-to-Text. Das Trainieren und Bereitstellen von STT-Modellen war noch nie so einfach.

🎙 Spracherkennung mit dem Deep-Learning-Framework TensorFlow und Sequence-to-Sequence-neuronalen Netzen

Echtzeit-Sprach-KI-Spielzeug mit über 100 Modellen auf Arduino ESP32 mit sicheren WebSockets und Edge-Funktionen für KI-Begleiter und -Geräte

Lernen Sie Ava kennen, den WhatsApp Agent

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

Dicio-Assistenten-App für Android

🍦 Speech-AI-Forge ist ein rund um TTS-Generierungsmodelle entwickeltes Projekt, das einen API-Server und ein Gradio-basiertes WebUI implementiert.

Synchronisierte Übersetzung für Videos. Videovertonung

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

Eine Java-Enterprise-Managementplattform für Xiaozhi ESP32, die eine integrierte Frontend- und Backend- sowie Serverlösung für Gerätemonitoring, Stimmanpassung, Rollenwechsel und Chat-Protokollverwaltung bietet

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

Echtzeit-Sprachübersetzung — macOS & Windows, kostenlose TTS, kein Server, nur Ihre API-Schlüssel

Zwei-Wege-Echtzeit-Sprachübersetzung für zweisprachige Meetings – erkennt automatisch die gesprochene Sprache und übersetzt in beide Richtungen, in der Cloud oder vollständig offline auf dem Gerät. Desktop (Windows · macOS · Linux) + Browser-Erweiterung (Chrome · Edge) für Zoom, Meet, Teams & jede beliebige App.

NobodyWho ist eine Inferenz-Engine, mit der Sie LLMs lokal und effizient auf jedem Gerät ausführen können.

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

🎙️ Ein intelligenter Sprach-Produktivitätsassistent, der Sprache in sauberen Text, nützliche Aktionen und strukturiertes Wissen verwandelt. Er hilft Benutzern, Ideen zu erfassen, natürlich zu kommunizieren, wiederkehrende Aufgaben zu automatisieren und über verschiedene Apps und Workflows hinweg produktiv zu bleiben.

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)

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

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

MLX Omni Server ist ein lokaler Inferenz-Server, der auf Apples MLX-Framework basiert und speziell für Apple Silicon (M-Series) Chips entwickelt wurde. Er implementiert OpenAI-kompatible API-Endpunkte und ermöglicht so eine nahtlose Integration mit bestehenden OpenAI SDK Clients, während er die Leistung der lokalen ML-Inferenz nutzt.

Auf Deep Learning basierende On-Device-Streaming-Speech-to-Text-Engine

:speech_balloon: /so.nus/ STT (Speech-to-Text) für Node mit Offline-Hotword-Erkennung

Eine React-Komponente, die das Korrigieren automatischer Transkriptionen von Audio und Video einfacher und schneller macht. Von BBC News Labs. - In Arbeit

C++ ggml Runtime-Hub für mehrsprachige ASR- und TTS-Modelle: Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2 sowie universelles Forced Alignment und mehr.