speech-to-text

Plateforme IA vocale open source. Alternative auto-hébergée à Vapi et Retell. Déploiement sur site, BYOK pour Speech-to-Speech ou LLM/STT/TTS, avec un constructeur de workflow visuel, support natif MCP et téléphonie.

Outil open source de localisation vidéo par IA : automatise le téléchargement de vidéos YouTube/Bilibili, la reconnaissance et la traduction de sous-titres, le clonage vocal, le mixage audio et l'incrustation de sous-titres.

Outil de reconnaissance vocale hors ligne pour générer des sous-titres au format JSON, SRT ou texte brut.

Implémentation JAX du modèle Whisper d'OpenAI, offrant jusqu'à 70x plus de vitesse sur TPU.

La bibliothèque Python pour la communication en temps réel

Génération de sous-titres sur l'appareil, avec intégration directe pour DaVinci Resolve, Premiere et After Effects.

Outil de traduction audio/parole en temps réel léger et puissant basé sur Windows LiveCaptions.

Maintenez une touche, parlez, relâchez : du texte optimisé par IA apparaît à votre curseur dans n'importe quelle application. Saisie vocale open-source pour macOS et Windows.

API de service web ASR pour OpenAI Whisper.

Exécutables autonomes pour Whisper et Faster-Whisper pour ceux qui ne souhaitent pas utiliser Python.

LLaMA-Omni est un modèle d'interaction vocale de bout en bout à faible latence et haute qualité, basé sur Llama-3.1-8B-Instruct, visant des capacités vocales au niveau de GPT-4o.

Alternative open source, locale et auto-hébergée aux assistants vocaux Amazon Echo et Google Home.

Transcrivez n'importe quel audio en texte, traduisez et modifiez des sous-titres 100 % localement avec une interface web. Propulsé par les modèles whisper !

Lingvo

Reconnaissance vocale automatique multilingue avec horodatages au niveau du mot et indices de confiance

API open-source de transcription de réunions pour Google Meet, Microsoft Teams et Zoom. Inclut des bots de connexion automatique, des transcriptions WebSocket en temps réel et un serveur MCP pour les agents IA. Auto-hébergement ou SaaS disponible.

Modèles audio CoreML de pointe dans vos applications : synthèse vocale, reconnaissance vocale, détection d'activité vocale et diarisation des locuteurs. En Swift, propulsé par des solutions open source SOTA.

L'alternative open source à Cluely - Un assistant IA ultra-rapide axé sur la confidentialité, fonctionnant en toute transparence pendant les réunions, entretiens et conversations sans être détecté. Construit avec Tauri pour des performances natives, seulement 10 Mo. Totalement indétectable lors des appels vidéo, partages d'écran et enregistrements.

🐸STT - La boîte à outils de deep learning pour la conversion parole-texte. L'entraînement et le déploiement de modèles STT n'ont jamais été aussi simples.

Liste de ressources pour Whisper, un système de reconnaissance vocale open-source propulsé par l'IA développé par OpenAI

Enregistrez votre écran, publiez une démo. Gratuit et open source, accéléré par GPU, sans filigrane ni abonnement. Disponible sur Windows, macOS et Linux. Activement maintenu.

Alternative open-source et gratuite à Wispr Flow | Flux de travail vocal de bureau chinois de nouvelle génération intégrant le modèle local FunASR et des modèles de langage configurables

Un moteur d'inférence tout-en-un en C++ pur pour les modèles audio, propulsé par ggml. Prend en charge TTS, STT, VAD, conversion vocale, génération musicale et plus encore, avec des performances hautement optimisées. Aucune dépendance Python.

Générateur de sous-titres ASR/STT. Utilise Qwen3-ASR, LLM local, Whisper et TEN-VAD. Robuste face au bruit pour JAV.

🎙 Reconnaissance vocale utilisant le framework de deep learning TensorFlow et des réseaux de neurones sequence-to-sequence

Moteur audio gratuit, simple et portable pour les jeux.

Détecteur d'activité vocale (VAD) pour navigateur avec une API simple.

Un éditeur pour l'audio parlé avec transcription automatique

Inférence speech-to-text ggml pour plus de 16 familles de modèles