speech-to-text

macOS के लिए स्थानीय स्पीच-टू-текст ऑन-डिवाइस AI, पूरी तरह से निजी, वैकल्पिक क्लाउड

ExecuTorch द्वारा संचालित, React Native में डिवाइस पर AI मॉडल चलाने का घोषणात्मक तरीका।

हु चेनफेंग की सभी सामग्री एकत्र करें

Speech Note Linux ऐप। ऑफ़लाइन Speech to Text, Text to Speech और मशीन अनुवाद के साथ नोट्स लेना, पढ़ना और अनुवाद करना।

AI का उपयोग करके स्थानीय भाषण पहचान और कैप्शनिंग के लिए OBS प्लगइन

Apple Silicon के लिए हाई-परफॉरमेंस OpenAI और Anthropic संगत LLM इन्फेरेंस सर्वर। नेटिव MLX, निरंतर बैचिंग, मल्टीमॉडल मॉडल, MCP टूल कॉलिंग, और Claude Code समर्थन।

Python के लिए TikTok LIVE API: TikTok LIVE से वास्तविक समय में लाइवस्ट्रीम इवेंट (कमेंट, गिफ्ट आदि) प्राप्त करने के लिए निश्चित 3rd-party लाइब्रेरी।

अपने Mac से बात करें, अपने दस्तावेज़ों की क्वेरी करें, किसी क्लाउड की आवश्यकता नहीं है। ऑन-डिवाइस वॉइस AI + RAG

कस्टम नोड्स जो Comfyui की क्षमताओं का विस्तार करते हैं।

🎙️ AI डिक्टेशन ऐप - ओपन सोर्स और लोकल-फर्स्ट ⚡ 3x तेजी से टाइप करें, कीबोर्ड की आवश्यकता नहीं। 🆓 ओपन सोर्स मॉडल द्वारा संचालित, ऑफ़लाइन काम करता है, तेज़ और सटीक।

चीनी, बोलियों, लहजों और बहुभाषी भाषण के लिए ओपन-सोर्स LLM-आधारित ASR मॉडल परिवार, FunASR, vLLM, स्ट्रीमिंग और llama.cpp रनटाइम के साथ।

हर मीटिंग, हर विचार, हर वॉयस नोट, आपकी AI द्वारा खोजने योग्य। ओपन-सोर्स, गोपनीयता-प्रथम वार्तालाप मेमोरी लेयर।

वीडियो के लिए सिंक्रोनाइज्ड ट्रांसलेशन। वीडियो डबिंग

💎 ASR, TTS और अन्य Speech Technologies के लिए एक्सेसिबल स्पीच कॉर्पोरा की एक सूची

Apple Silicon वाले Mac पर LLM को फाइन-ट्यून करें। SFT, DPO, GRPO, Vision, TTS, STT, Embedding और OCR फाइन-ट्यूनिंग — MLX पर नेटिव रूप से। Unsloth-compatible API।

मल्टी-बैकएंड whisper ऐप। अत्यंत तेज़। Mac-arm अनुकूलित। स्थापित करने में आसान। एक स्थानीय फ़ाइल या URL इनपुट करें और यह सेवा Whisper AI का उपयोग करके इसे ट्रांसक्रिप्ट करेगी। पूरी तरह से निजी और निःशुल्क 🤯🤯🤯

CTranslate2 पर आधारित मूल OpenAI क्लाइंट के साथ संगत Whisper कमांड लाइन क्लाइंट।

Wayland कंपोजिटर्स के लिए पुश-टू-टॉक के साथ वॉइस-टू-टेक्स्ट

Gp.nvim (GPT prompt) Neovim AI प्लगइन: ChatGPT सत्र और निर्देश योग्य टेक्स्ट/कोड संचालन और स्पीच टू टेक्स्ट [OpenAI, Ollama, Anthropic, ..]

कला, वास्तविक समय की आवाज़ बातचीत, LLM-संचालित चैटबॉट्स और स्वचालित वर्कफ़्लो के लिए ऑफ़लाइन अनुमान इंजन

StreamSpeech ऑफ़लाइन और एक साथ स्पीच रिकग्निशन, स्पीच ट्रांसलेशन और स्पीच सिंथेसिस के लिए एक "ऑल इन वन" सीमलेस मॉडल है।

एक वॉयस चैट ऐप

Linux के लिए नेटिव speech-to-text - तेज़, सटीक, निजी और हैकेबल सिस्टम-वाइड डिक्टेशन

Windows, Linux और macOS के लिए अनसेंसर्ड लोकल AI स्टूडियो। इमेज जनरेशन, GGUF LLMs, टेक्स्ट-टू-स्पीच और स्पीच-टू-टेक्स्ट के लिए जीरो-सेटअप GUI।

Youtube/Twitch पर स्ट्रीमिंग के लिए AI Vtuber

Muesli - macOS के लिए एजेंट-नेटिव लोकल मीटिंग ट्रांसक्रिप्शन और डिक्टेशन (Granola और WisprFlow का विकल्प)।

ओपन-सोर्स iOS ऐप जो मोबाइल उपकरणों पर गुणवत्तापूर्ण वॉयस ट्रांसक्रिप्शन को अधिक सुलभ बना रहा है।

💬📝 OpenAI के Whisper स्पीच रिकग्निशन मॉडल का उपयोग करने वाला एक छोटा डिक्टेशन ऐप

LLM पोस्ट-प्रोसेसिंग के साथ पूरी तरह से स्थानीय, निजी और क्रॉस-प्लेटफ़ॉर्म स्पीच-टू-टेक्स्ट

ओपन-सोर्स वॉयस-AI SDK। उन बिल्डर्स के लिए Vapi/Retell विकल्प जो स्टैक के मालिक बनना चाहते हैं। अपने AI एजेंट को 4 लाइनों में फोन नंबर दें — Python और TypeScript, MIT लाइसेंस प्राप्त, Twilio, Telnyx और Plivo।