speech-to-text

Collection de ressources sur les applications des grands modèles de langage (LLM) dans l'IA audio.

Framework de reconnaissance vocale automatique (ASR) en PyTorch, compatible avec les modes streaming et non-streaming, supportant les modèles Conformer, Squeezeformer et DeepSpeech2, ainsi que diverses méthodes d'augmentation de données.

Rapida est une plateforme d'orchestration d'IA vocale open source pour créer des agents conversationnels en temps réel avec streaming audio, STT, TTS, VAD, intégration multicanal, gestion d'état et observabilité.

Analyseur d'intention Adapt

Transcription de la parole en texte et saisie de sous-titres via KB pour OBS, VRChat, le chat Twitch et Discord.

Exemple d'API vocale

Framework de benchmark pour la reconnaissance vocale (speech-to-text)

Une application de bureau locale gratuite pour extraire des sous-titres (SRT) de vidéos et les traduire dans n'importe quelle langue — utilisation illimitée, sans inscription, sans cloud.

Reconnaissance vocale pour les projets React Native Expo

Transcription et traduction audio en fichiers LRC via Whisper et des LLM (GPT, Claude, etc.)

Moteur de diffusion de reconnaissance vocale à la volée exécuté sur appareil, alimenté par l'apprentissage profond.

:speech_balloon: /so.nus/ STT (speech to text) pour Node avec détection de mots-clés hors ligne

Création d'un logiciel de surveillance automatique pour la proctoring en ligne

Application vocale rapide, privée et locale pour les Mac Apple Silicon — dictée, transcription de fichiers/médias, enregistrement de réunions, transformations et CLI d'automatisation publique. Gratuit et open source.

Une application native macOS de dictée dans la barre de menus utilisant la reconnaissance vocale locale avec WhisperKit

Hub d'exécution ggml en C++ pour les modèles ASR et TTS multilingues : Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2, etc., plus alignement forcé universel, et plus encore

Transcription en temps réel utilisant faster-whisper

Un IME (clavier) vocal open-source sur l'appareil pour Android utilisant la bibliothèque Vosk.

Une bibliothèque Python pour résoudre reCAPTCHA v2 et v3 avec Playwright

Un pipeline de transcription (Speech-to-Text) optimisé pour le modèle Whisper prenant en charge plusieurs moteurs d'inférence

Un langage de programmation par nœuds modulaire, un créateur de programmes, un système d'animation, une boîte à outils, un routeur et un débogueur conçus pour VRChat

🗣 Un overlay qui obtient la permission vocale et la saisie de l'utilisateur sous forme de texte dans une interface personnalisable

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

Liste d'API de reconnaissance vocale (STT) en coréen avec benchmarks de performance.

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

Une bibliothèque de reconnaissance vocale fonctionnant dans le navigateur grâce à une compilation WebAssembly de Vosk

Phonetisaurus G2P.

Cet outil utilise l'IA pour évaluer votre prononciation

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

Logiciel open source de transcription audio et vidéo.