speech-to-text

面向抖音直播电商的 Windows 本地 AI Agent Studio，贯通主播发现、直播洞察、直播复盘与短视频内容编导的统一智能工作流。

:zap: TensorFlowASR: Tensorflow 2 में लगभग अत्याधुनिक (State-of-the-art) स्वचालित वाक् पहचान (ASR)। समर्थित भाषाओं में वर्णों या सबवर्ड का उपयोग किया जा सकता है।

ओपन सोर्स वॉयस डिक्टेशन तकनीक

Whisper-Flow एक ऐसा फ्रेमवर्क है जिसे OpenAI के Whisper मॉडल का उपयोग करके ऑडियो सामग्री के रीयल-टाइम ट्रांसक्रिप्शन को सक्षम करने के लिए डिज़ाइन किया गया है। पूरी फाइलों को अपलोड करने के बाद प्रोसेस करने (“बैच मोड”) के बजाय, Whisper-Flow ऑडियो चunks की एक निरंतर धारा को स्वीकार करता है और तुरंत वृद्धिशील ट्रांसक्रिप्ट उत्पन्न करता है।

Python/JS में सेल्फ-होस्टेड Whisper और WebSocket का उपयोग करके नियर-रियलटाइम ऑडियो ट्रांसक्रिप्शन

Botium Speech Processing

Whisper.net। Whisper मॉडल का उपयोग करके स्पीच टू टेक्स्ट को आसान बनाया गया।

Word Error Rate (WER) जैसे समानता मापदंडों के साथ अपने स्पीच-टू-टेक्स्ट सिस्टम का मूल्यांकन करें।

.NET MAUI के नमूने

@voicybot Telegram bot का मुख्य रिपॉजिटरी

स्ट्रीमिंग और ऑन-डिवाइस उपयोग के लिए ऑप्टिमाइज़्ड Whisper मॉडल

macOS के लिए एक मुफ़्त, ओपन सोर्स, गोपनीयता-प्रथम वॉइस इनपुट ऐप।

PaddlePaddle पर आधारित एंड-टू-एंड चीनी वॉयस रिकग्निशन, शुरुआती से लेकर व्यावहारिक प्रोजेक्ट्स तक। DeepSpeech2, Conformer और Squeezeformer मॉडल्स का समर्थन करता है।

💬 आपके React ऐप के लिए स्पीच रिकग्निशन

OpenAI के Whisper का उपयोग करके रीयल-टाइम speech2text वेब ऐप्स बनाएं https://openai.com/blog/whisper/

डिस्क्रिप्टिव डीप लर्निंग

Linux के लिए मुफ्त, ओपन-सोर्स, 100% ऑफ़लाइन वॉयस डिक्टेशन। whisper.cpp, Whisper और VOSK इंजन के माध्यम से कहीं भी बोलें और टाइप करें, GPU-त्वरित, X11 + Wayland पर काम करता है!

वन-स्टॉप स्वचालित उपशीर्षक जनरेटर। डाउनलोडिंग, ट्रांसक्रिप्शन, अनुवाद और हार्डकोडिंग को संभालता है - किसी मानवीय हस्तक्षेप की आवश्यकता नहीं है।

🎤 Lobe TTS - सर्वर और ब्राउज़र के लिए एक उच्च-गुणवत्ता और विश्वसनीय TTS/STT लाइब्रेरी

Speech to Text to Speech। गाना अभी चल रहा है। अवतार पर प्रदर्शित करने के लिए टेक्स्ट को OSC संदेशों के रूप में VRChat पर भेजता है। (STTTS) (Speech to TTS) (VRC STT System) (VTuber TTS)

Ollama, Hugging Face Transformers और Coqui TTS टूलकिट द्वारा संचालित आकर्षक बातचीत के लिए लोकल वॉयस चैटबॉट।

एक प्रोजेक्ट जो OpenAI whisper के साथ माइक्रोफ़ोन का उपयोग करने की अनुमति देता है।

Swift में ऑडियो ट्रांसक्राइब करने का सबसे आसान तरीका।

एक 100% निजी AI वॉइस ट्रांसक्रिप्शन ऐप जो 100+ भाषाओं में भाषण को टेक्स्ट में बदलता है। पूर्ण गोपनीयता के लिए बिना किसी क्लाउड अपलोड के Whisper AI का उपयोग करके Android और iOS के लिए Compose Multiplatform के साथ निर्मित।

BiBi Keyboard: Kotlin पर आधारित Android प्लेटफॉर्म के लिए एक LLM और ASR वॉयस इनपुट मेथड कीबोर्ड एप्लिकेशन।

Apple Silicon पर MLX के साथ ऑडियो प्रोसेसिंग के लिए एक मॉड्यूलर Swift SDK

PaddlePaddle पर आधारित वाक् पहचान (Speech Recognition), चीनी वाक् पहचान। परियोजना परिपक्व है और पहचान प्रभाव अच्छा है। Windows और Linux के तहत प्रशिक्षण और पूर्वानुमान का समर्थन करता है, और Nvidia Jetson विकास बोर्ड पूर्वानुमान का समर्थन करता है।

एक रीयल-टाइम साइलेंट स्पीच रिकग्निशन टूल।

Unity3d में स्थानीय मशीन पर स्पीच-टू-टेक्स्ट मॉडल (whisper.cpp) चलाना।

Android के लिए प्राइवेट और ऑन-डिवाइस स्पीच रिकग्निशन कीबोर्ड और सर्विस।