speech-to-text

Portage du modèle Whisper d'OpenAI en C/C++.

Une application de reconnaissance vocale gratuite, open source et extensible, fonctionnant entièrement hors ligne.

Assistant de réunion IA axé sur la confidentialité, avec transcription en direct 4x plus rapide via Parakeet/Whisper, diarisation des locuteurs et résumé par Ollama, le tout en Rust. Traitement 100 % local, sans cloud. Meetily est l'outil open-source auto-hébergé de prise de notes de réunion pour macOS et Windows.

Distribuez et exécutez des LLM avec un seul fichier.

Transcription Faster Whisper optimisée avec CTranslate2

WhisperX : reconnaissance vocale automatique avec horodatage au niveau du mot et diarisation.

YC (S26) | Open Computer History | Enregistrez votre écran en continu localement et fournissez du contexte à vos agents (Claude, Codex, Openclaw, Hermes, Runner...)

Boîte à outils de reconnaissance vocale open source pour l'entraînement, l'inférence, l'ASR en streaming, le VAD, la ponctuation, les pipelines de diarisation du locuteur et le service compatible OpenAI/MCP.

Traduire une vidéo d'une langue à une autre et intégrer le doublage et les sous-titres.

Leon est votre assistant personnel open source.

kaldi-asr/kaldi est le dépôt officiel du projet Kaldi.

API de reconnaissance vocale hors ligne pour Android, iOS, Raspberry Pi et serveurs avec Python, Java, C# et Node.

VoiceStudio est l'alternative open source et entièrement locale à ElevenLabs : clonage vocal, design vocal, doublage vidéo, dictée, transcription et création de livres audio en 646 langues.

Transcription, synthèse vocale, diarisation, amélioration de la parole, séparation de sources et VAD utilisant la nouvelle génération de Kaldi avec onnxruntime, sans connexion Internet. Supporte les systèmes embarqués, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, NPU RK, NPU Axera, NPU Ascend, serveurs x86_64, client/serveur websocket, et 12 langages de programmation.

Créez des agents vocaux avec des modèles open-source

Interface Web Gradio pour créateurs et développeurs, intégrant des fonctionnalités clés de TTS (Edge-TTS, kokoro) et de clonage vocal zero-shot (E2 & F5-TTS, CosyVoice), avec traitement audio Whisper, téléchargement YouTube, isolation vocale Demucs et traduction multilingue.

Une boîte à outils pour la parole basée sur PyTorch.

Transcription parole-texte locale en temps réel avec ASR en streaming, diarisation des locuteurs, traduction et API compatibles OpenAI/Deepgram.

Bibliothèque de reconnaissance vocale robuste, efficace et à faible latence avec détection d'activité vocale avancée, activation par mot-clé et transcription instantanée.

Modèle open source SenseVoiceSmall pour la reconnaissance vocale (ASR) en mandarin, cantonais, anglais, japonais et coréen, incluant l'identification de la langue, la reconnaissance des émotions et la détection d'événements audio.

Module de reconnaissance vocale pour Python, prenant en charge plusieurs moteurs et API, en ligne et hors ligne.

Système de reconnaissance vocale chinoise basé sur l'apprentissage profond.

Une bibliothèque de synthèse vocale (TTS), de reconnaissance vocale (STT) et de conversion parole-à-parole (STS) basée sur le framework MLX d'Apple, offrant une analyse vocale efficace sur Apple Silicon.

Reconnaissance vocale pour votre site web.

IA vocale embarquée pour Apple Silicon

Outil de transcription vidéo, de génération de sous-titres et de découpage assisté par LLM basé sur FunASR, avec une interface Gradio locale.

Application de dictée vocale avec modèles locaux (Nvidia Parakeet/Whisper) et cloud (BYOK). Axée sur la confidentialité et disponible sur toutes les plateformes.

Silero Models : modèles de synthèse vocale pré-entraînés rendus extrêmement simples.

Transformez votre PC, Mac ou machine Linux en serveur d'IA. Inférence LLM, interface de chat, voix, agents, workflows, RAG et génération d'images.

Reconnaissance vocale automatique avec diarisation des locuteurs basée sur OpenAI Whisper.