stt

Votre second cerveau basé sur l'IA. Auto-hébergeable. Obtenez des réponses depuis le web ou vos documents. Créez des agents personnalisés, planifiez des automatisations, effectuez des recherches approfondies. Transformez n'importe quel LLM local ou en ligne en votre IA autonome personnelle (gpt, claude, gemini, llama, qwen, mistral). Commencez gratuitement.

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

Reconnaissance vocale, intentionnelle et synthèse vocale à très faible latence pour la création d'agents et d'interfaces vocaux.

Open Vision Agents par Stream. Créez rapidement des agents vocaux et visuels avec n'importe quel modèle ou fournisseur vidéo. Utilise le réseau edge de Stream pour une latence ultra-faible.

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

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

🐸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.

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

Jouets vocaux IA en temps réel avec plus de 100 modèles sur Arduino ESP32, utilisant des WebSockets sécurisés et des Edge Functions pour des compagnons et appareils IA.

Découvrez Ava, l'agent WhatsApp.

Application Linux Speech Note. Prise de notes, lecture et traduction avec reconnaissance vocale, synthèse vocale et traduction automatique hors ligne.

Application d'assistant Dicio pour Android

Speech-AI-Forge est un projet articulé autour d'un modèle de génération TTS, implémentant un serveur API et une interface Web basée sur Gradio.

Traduction synchronisée pour vidéos. Doublage vidéo.

Une liste de corpus vocaux accessibles pour l'ASR, le TTS et d'autres technologies vocales.

Plateforme de gestion Java d'entreprise pour Xiaozhi ESP32, offrant une solution intégrée front-end, back-end et serveur pour la surveillance des appareils, la personnalisation de la voix, le changement de rôle et la gestion de l'historique des conversations.

Gp.nvim : plugin d'IA pour Neovim permettant des sessions ChatGPT, des opérations de texte/code instructives et la conversion parole-texte [OpenAI, Ollama, Anthropic, ..]

Traduction vocale en temps réel pour macOS et Windows, TTS gratuit, sans serveur, utilisant uniquement vos clés API

Traduction vocale bidirectionnelle en temps réel pour les réunions bilingues : détection automatique de la langue et traduction dans les deux sens, via le cloud ou entièrement hors ligne sur l'appareil. Disponible sur bureau (Windows, macOS, Linux) et via extension de navigateur (Chrome, Edge) pour Zoom, Meet, Teams et toute autre application.

NobodyWho est un moteur d'inférence permettant d'exécuter des LLM localement et efficacement sur n'importe quel appareil.

🎙️ Un assistant vocal intelligent qui transforme la parole en texte propre, en actions utiles et en connaissances structurées. Il aide les utilisateurs à capturer des idées, communiquer naturellement, automatiser les tâches répétitives et rester productifs à travers différentes applications et flux de travail.

🎤 Lobe TTS - Une bibliothèque TTS/STT fiable et de haute qualité pour serveur et navigateur.

Speech to Text to Speech. Chanson en cours de lecture. Envoie du texte sous forme de messages OSC vers VRChat pour affichage sur l'avatar. (STTTS) (Speech to TTS) (VRC STT System) (VTuber TTS)

Un SDK Swift modulaire pour le traitement audio avec MLX sur Apple Silicon

Exécution du modèle de reconnaissance vocale whisper.cpp dans Unity3d en local

MLX Omni Server est un serveur d'inférence local propulsé par le framework MLX d'Apple, spécifiquement conçu pour les puces Apple Silicon (série M). Il implémente des points de terminaison d'API compatibles avec OpenAI, permettant une intégration transparente avec les clients SDK OpenAI existants tout en tirant parti de la puissance de l'inférence ML locale.

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

Un composant React pour faciliter et accélérer la correction des transcriptions automatisées audio et vidéo. Par BBC News Labs. - En cours de développement

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