whisper

Ajuste fino de LLM en tu Mac con Apple Silicon. SFT, DPO, GRPO, Vision, TTS, STT, Embedding y ajuste fino de OCR, de forma nativa en MLX. API compatible con Unsloth.

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.

Conversaciones de voz naturales con Claude Code.

Cliente de línea de comandos para Whisper, compatible con el cliente original de OpenAI y basado en CTranslate2.

Conversión de voz a texto con función push-to-talk para compositores de Wayland.

Gp.nvim: plugin de IA para Neovim que ofrece sesiones de ChatGPT, operaciones de texto/código y conversión de voz a texto [OpenAI, Ollama, Anthropic, etc.]

MTools es una potente aplicación de escritorio multifuncional que integra procesamiento de audio y vídeo, edición de imágenes, operaciones de texto y herramientas de codificación, con funciones de IA integradas. Diseñado para simplificar tu flujo de trabajo y mejorar la productividad.

Dale a Claude la capacidad de ver y entender videos: plugin de Claude Code con extracción de fotogramas y análisis de audio multimodal

Whisper es un formato de base de datos de series temporales basado en archivos para Graphite

Operador de inferencia de IA para Kubernetes. La forma más sencilla de servir modelos de ML en producción. Compatible con VLM, LLM, embeddings y conversión de voz a texto.

Ajuste fino del modelo de reconocimiento de voz Whisper para admitir entrenamiento sin datos de marcas de tiempo, con datos de marcas de tiempo y sin datos de voz. Acelera la inferencia y admite despliegue en la web, en escritorio con Windows y en Android

La forma más sencilla de servir modelos de IA/ML en producción.

Conversión de voz a texto nativa para Linux: sistema de dictado global rápido, preciso, privado y hackeable

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.

Una interfaz web autohospedada para más de 30 IA generativas

VTuber con IA para streaming en YouTube/Twitch.

La aplicación de iOS de código abierto que hace que la transcripción de voz de calidad sea más accesible en dispositivos móviles.

💬📝 Una pequeña aplicación de dictado que utiliza el modelo de reconocimiento de voz Whisper de OpenAI.

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.

Servicio de transcripción y diarización offline autohospedado con resúmenes mediante LLM

Este proyecto proporciona una API con soporte de acceso a nivel de usuario para transcribir voz a texto utilizando un modelo Whisper ASR ajustado y procesado.

OpenCluely es una alternativa gratuita y de código abierto a Cluely, diseñada para entrevistas técnicas como DSA, OAs y CP. Ofrece una superposición invisible, ayuda de IA en tiempo real, procesamiento inteligente de imágenes para capturar preguntas y soporte multilingüe: 100% personalizable y privado.

Biblioteca de C# para Twitch Chat, Whisper, API y PubSub. Permite chatear, enviar mensajes privados, suscribirse a eventos de stream y modificar canales o cuentas. Compatible con todo lo que soporte .NETStandard 2.0.

Generación por lotes de archivos de subtítulos para videos locales, con capacidad de traducción a otros idiomas. Soporte multiplataforma para Windows y macOS.

Genera subtítulos, resúmenes y capítulos de videos en segundos

Un paquete no oficial de OpenAI para Unity que permite utilizar la API de OpenAI directamente en el motor de juegos Unity

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

Implementación en Golang de un servidor Graphite/Carbon con arquitectura clásica: Agente -> Caché -> Persistidor.