transcription

Asistente de reuniones de IA con prioridad en la privacidad, transcripción en vivo con Parakeet/Whisper 4 veces más rápida, diarización de hablantes y resumen con Ollama integrado en Rust. Procesamiento 100% local, sin necesidad de nube. Meetily (Meetly Ai - https://meetily.ai) es el anotador de reuniones de IA de código abierto y autohospedado número 1 para macOS y Windows. Comprende cómo redactar actas de reuniones

Kit de herramientas de reconocimiento de voz de código abierto para entrenamiento, inferencia, ASR en streaming, VAD, puntuación, canalizaciones de diarización de altavoces y servicio compatible con OpenAI/MCP.

VoiceStudio es la alternativa a ElevenLabs de código abierto y totalmente local: clonación de voz, diseño de voz, doblaje de vídeo, dictado, transcripción y creación de audiolibros en 646 idiomas.

IA que ve tu pantalla, escucha tus conversaciones y te dice qué hacer

Gradio WebUI para creadores y desarrolladores, con TTS clave (Edge-TTS, kokoro) y clonación de voz zero-shot (E2 & F5-TTS, CosyVoice), procesamiento de audio con Whisper, descarga de YouTube, aislamiento vocal con Demucs y traducción multilingüe.

Modelo de código abierto SenseVoiceSmall para ASR en mandarín, cantonés, inglés, japonés y coreano, identificación de idiomas, reconocimiento de emociones y detección de eventos de audio.

Herramienta de transcripción de video, generación de subtítulos y recorte asistido por LLM basada en FunASR, con una interfaz de usuario local de Gradio

Un conversor de audio a MIDI ligero pero potente con detección de flexión de tono (pitch bend)

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

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

Transcripción de audio con IA autoalojada

VOICE → WORDS

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.

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

Modelos de IA preentrenados locales, instantáneos y controlables en Rust

Tecnología de IA de vanguardia para la transcripción de audio automatizada. Una excelente GUI para Whisper de OpenAI y pyannote (identificación de hablantes)

Permite que Claude (o cualquier LLM) vea realmente un video: fotogramas conscientes de escenas y deduplicados + transcripción, desde una URL o archivo local. Se ejecuta localmente, bajo licencia MIT.

Un paquete de Python para crear aplicaciones de audio en tiempo real impulsadas por IA

un editor para audio hablado con transcripción automática

Conversión de voz a texto local para macOS mediante IA en el dispositivo, totalmente privada, con nube opcional

Plugin de OBS para reconocimiento de voz y subtitulado local mediante IA.

🎙️ Aplicación de dictado por IA - Código abierto y local-first ⚡ Escribe 3 veces más rápido, sin necesidad de teclado. 🆓 Impulsada por modelos de código abierto, funciona sin conexión, rápida y precisa.

Interfaz gráfica sencilla para Piano Transcription with Pedals de ByteDance

Familia de modelos ASR de código abierto basados en LLM para chino, dialectos, acentos y voz multilingüe, con motores de ejecución como FunASR, vLLM, streaming y llama.cpp.

Cada reunión, cada idea, cada nota de voz, buscable por tu IA. Capa de memoria de conversación de código abierto y centrada en la privacidad.

Aplicación Whisper con múltiples backends. Extremadamente rápida, optimizada para Mac-arm, fácil de instalar. Transcribe archivos locales o URLs usando Whisper AI de forma privada y gratuita.

Transcripción controlable. Literal (incluyendo muletillas, pausas, tartamudeos, sonidos vocales) o intencionada (lo que el hablante quiso decir, optimizado para legibilidad) con marcas de tiempo a nivel de palabra.

Hard-core Hackers: El camino hacia $12,000 ARR en dos meses. Un registro detallado del desarrollo, lanzamiento y crecimiento del producto Podwise.

Genera subtítulos para vídeo y audio, creando archivos SRT. Sin necesidad de solicitar APIs de terceros, implementa la transcripción de audio de forma local. Un marco de generación de subtítulos de vídeo basado en Transformer.