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: Reconocimiento automático de voz casi de última generación en TensorFlow 2. Idiomas compatibles que pueden usar caracteres o subpalabras

Tecnología de dictado por voz de código abierto

Whisper-Flow es un framework diseñado para permitir la transcripción en tiempo real de contenido de audio utilizando el modelo Whisper de OpenAI. En lugar de procesar archivos completos tras la carga ("modo por lotes"), Whisper-Flow acepta un flujo continuo de fragmentos de audio y produce transcripciones incrementales de inmediato.

Transcripción de audio en tiempo casi real usando Whisper autohospedado y WebSocket en Python/JS.

Procesamiento de voz Botium

Whisper.net. Conversión de voz a texto simplificada mediante modelos Whisper.

Evalúe su sistema de conversión de voz a texto con medidas de similitud como la tasa de error de palabras (WER)

Ejemplos de .NET MAUI.

Repositorio principal del bot de Telegram @voicybot.

Modelos Whisper optimizados para streaming y uso en dispositivos.

Aplicación de entrada de voz gratuita, de código abierto y centrada en la privacidad para macOS.

Reconocimiento de voz en chino de extremo a extremo basado en PaddlePaddle, desde conceptos básicos hasta proyectos empresariales prácticos. Soporta modelos populares como DeepSpeech2, Conformer y Squeezeformer

💬 Reconocimiento de voz para tu aplicación React

Cree aplicaciones web de voz a texto en tiempo real utilizando Whisper de OpenAI https://openai.com/blog/whisper/

Aprendizaje profundo descriptivo.

Software de generación de subtítulos totalmente automatizado: cubre todo el proceso de descarga, transcripción, traducción y codificación sin intervención humana.

Dictado por voz gratuito, de código abierto y 100% offline para Linux. Habla y escribe en cualquier lugar mediante whisper.cpp, motores Whisper y VOSK, aceleración por GPU, funciona en X11 + Wayland.

🎤 Lobe TTS - Una biblioteca de TTS/STT confiable y de alta calidad para servidor y navegador

Conversión de voz a texto y de texto a voz. Envía texto como mensajes OSC a VRChat para mostrarlo en el avatar.

Chatbot de voz local para conversaciones atractivas, impulsado por Ollama, Hugging Face Transformers y Coqui TTS Toolkit

Proyecto que permite utilizar un micrófono con OpenAI Whisper.

La forma más sencilla de transcribir audio en Swift

Una aplicación de transcripción de voz por IA 100% privada que convierte voz a texto en más de 100 idiomas. Creada con Compose Multiplatform para Android e iOS usando Whisper AI; sin subidas a la nube, todo el procesamiento ocurre en el dispositivo para una privacidad total.

Un SDK modular de Swift para procesamiento de audio con MLX en Apple Silicon.

BiBi Keyboard: Una aplicación de teclado para Android basada en Kotlin con LLM y entrada de voz ASR

Reconocimiento de voz en chino implementado con PaddlePaddle. Proyecto completo con buenos resultados de reconocimiento. Soporta entrenamiento y predicción en Windows y Linux, además de predicción en placas Nvidia Jetson.

Una herramienta de reconocimiento de voz silenciosa en tiempo real.

Ejecución de un modelo de voz a texto (whisper.cpp) en Unity3d en su máquina local.

Teclado y servicio de reconocimiento de voz privado y local para Android.