speech-to-text

Colección de recursos sobre las aplicaciones de modelos de lenguaje (LLM) en IA de audio.

Marco de trabajo de reconocimiento automático de voz (ASR) en PyTorch para modelos de transmisión y no transmisión, compatible con reconocimiento en línea y fuera de línea. Soporta modelos Conformer, Squeezeformer y DeepSpeech2, además de diversos métodos de aumento de datos.

Rapida es una plataforma de orquestación de voz con IA de código abierto para crear agentes de voz conversacionales en tiempo real, con streaming de audio, STT, TTS, VAD, integración multicanal, gestión de estado del agente y observabilidad.

Analizador de intenciones Adapt

Conversión de voz a texto y subtítulos mediante entrada de teclado para OBS, VRChat, chat de Twitch y Discord

Ejemplos de API de voz.

Framework de evaluación comparativa de voz a texto.

Una aplicación de escritorio local y gratuita para extraer subtítulos (SRT) de videos y traducirlos a cualquier idioma; uso ilimitado, sin registro, sin nube.

Reconocimiento de voz para proyectos de React Native Expo.

Transcribe y traduce voz a archivos LRC usando Whisper y LLMs (GPT, Claude, etc.).

Motor de conversión de voz a texto en tiempo real ejecutado en el dispositivo mediante aprendizaje profundo.

STT (speech to text) para Node con detección de palabras clave sin conexión

Creación de software para la supervisión automática en exámenes en línea.

Aplicación de voz rápida, privada y local para Macs con Apple Silicon: dictado, transcripción de archivos/medios, grabación de reuniones, transformaciones y una CLI de automatización pública. Gratuita y de código abierto.

Una aplicación nativa de dictado para la barra de menús de macOS que utiliza conversión de voz a texto local con WhisperKit.

Runtime hub en C++ ggml para modelos ASR y TTS multilingües: Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2, etc., además de alineación forzada universal y más

Transcripción en tiempo real utilizando faster-whisper

Un IME (teclado) de voz de código abierto que funciona en el dispositivo para Android, utilizando la biblioteca Vosk.

Una biblioteca de Python para resolver reCAPTCHA v2 y v3 con Playwright.

Una canalización optimizada de voz a texto para el modelo Whisper que admite múltiples motores de inferencia

Un lenguaje de programación modular basado en nodos, creador de programas, sistema de animación, kit de herramientas, enrutador y depurador diseñado para VRChat.

🗣 Una superposición que obtiene el permiso de voz del usuario y la entrada como texto en una interfaz de usuario personalizable

Browser-only Canva-style presentation studio, powered by local Web AI.

Lightning-fast, free, local first voice dictation for macOS with on-device transcription

Lista de APIs de reconocimiento de voz (STT) en coreano con sus respectivos benchmarks de rendimiento.

Una biblioteca de reconocimiento de voz que se ejecuta en el navegador gracias a una compilación en WebAssembly de Vosk

Phonetisaurus G2P

Esta herramienta utiliza IA para evaluar tu pronunciación.

Open-source AI voice typing for macOS, Windows, and Linux. Press a hotkey, speak naturally, get polished text in any app.

Software de transcripción de audio y video de código abierto