speech-to-text

Plataforma de voz de IA de código abierto. Alternativa autohospedada a Vapi y Retell. En local (On Prem), BYOK para conversión de voz a voz o LLM/STT/TTS, con un creador visual de flujos de trabajo, compatibilidad nativa con MCP y telefonía

Herramienta de localización de video con IA de código abierto: automatiza la descarga de videos de YouTube/Bilibili, reconocimiento y traducción de subtítulos, clonación de voz y doblaje, mezcla de pistas de audio y subtitulado integrado.

Herramienta de reconocimiento de voz a texto / Una herramienta local fuera de línea para la conversión de audio y video a subtítulos, que genera formatos JSON, subtítulos SRT y texto plano

Implementación en JAX del modelo Whisper de OpenAI para una aceleración de hasta 70x en TPU.

La biblioteca de Python para comunicación en tiempo real

Generación de subtítulos en el dispositivo que se conecta directamente con DaVinci Resolve, Premiere y After Effects.

Herramienta de traducción de audio/voz en tiempo real ligera y potente basada en Windows LiveCaptions.

Mantén presionada una tecla, habla, suelta: el texto optimizado por IA aparece en el cursor en cualquier aplicación. Entrada de voz de código abierto para macOS y Windows.

API de servicio web para OpenAI Whisper ASR

Ejecutables independientes de Whisper y Faster-Whisper para quienes no quieren lidiar con Python.

LLaMA-Omni es un modelo de interacción de voz de extremo a extremo de baja latencia y alta calidad construido sobre Llama-3.1-8B-Instruct, con el objetivo de lograr capacidades de voz al nivel de GPT-4o.

Alternativa de asistente de voz de código abierto, local y autohospedada que compite con Amazon Echo y Google Home

Transcribe cualquier audio a texto, traduce y edita subtítulos 100% localmente con una interfaz de usuario web. ¡Impulsado por modelos whisper!

Lingvo.

Reconocimiento automático del habla multilingüe con marcas de tiempo a nivel de palabra y puntuación de confianza

API de transcripción de reuniones de código abierto para Google Meet, Microsoft Teams y Zoom. Bots de unión automática, transcripciones en tiempo real por WebSocket, servidor MCP para agentes de IA. Autohospedado o mediante SaaS.

Modelos de audio CoreML de vanguardia en tus aplicaciones: texto a voz, voz a texto, detección de actividad de voz y diarización de hablantes. En Swift, impulsado por código abierto SOTA.

La alternativa de código abierto a Cluely: un asistente de IA ultrarrápido y centrado en la privacidad que funciona sin problemas durante reuniones, entrevistas y conversaciones sin que nadie lo note. Construido con Tauri para un rendimiento nativo, de solo 10 MB. Completamente sigiloso en videollamadas, pantallas compartidas y grabaciones.

🐸STT - El kit de herramientas de aprendizaje profundo para conversión de voz a texto (Speech-to-Text). Entrenar y desplegar modelos STT nunca ha sido tan fácil.

🔊 Lista impresionante para Whisper, un sistema de reconocimiento de voz impulsado por IA de código abierto desarrollado por OpenAI

Graba tu pantalla, publica una demo. Gratis y de código abierto, acelerado por GPU, sin marcas de agua, sin suscripciones. Windows, macOS, Linux. Mantenimiento activo.

Alternativa abierta y gratuita a Wispr Flow | Flujo de trabajo de voz de escritorio en chino de próxima generación con integración del modelo local FunASR y modelos de lenguaje grande configurables

Motor de inferencia todo en uno escrito en C++ puro para modelos de audio, basado en ggml. Admite TTS, STT, VAD, conversión de voz, generación de música y más, con un rendimiento altamente optimizado y sin dependencias de Python.

Generador de subtítulos ASR/STT. Utiliza Qwen3-ASR, LLM local, Whisper, TEN-VAD. Robusto frente al ruido para JAV

🎙 Reconocimiento de voz utilizando el framework de aprendizaje profundo TensorFlow y redes neuronales sequence-to-sequence.

Motor de audio gratuito, fácil y portátil para juegos

Detector de actividad de voz (VAD) para el navegador con una API sencilla

un editor para audio hablado con transcripción automática

Inferencia de voz a texto con ggml para más de 16 familias de modelos