whisper

OpenAI API + Ruby! 🤖❤️ GPT-5 और Realtime WebRTC के साथ संगत!

Whisper और Faster-Whisper के स्टैंडअलोन निष्पादन योग्य (executables) उन लोगों के लिए जो Python के झंझट में नहीं पड़ना चाहते।

ओपन सोर्स, स्थानीय और सेल्फ-होस्टेड Amazon Echo/Google Home का प्रतिस्पर्धी वॉयस असिस्टेंट विकल्प

वेब UI के साथ किसी भी ऑडियो को टेक्स्ट में ट्रांसक्राइब करें, उपशीर्षक (subtitles) का अनुवाद और संपादन 100% स्थानीय रूप से करें। Whisper मॉडल द्वारा संचालित!

Betalgo Ranul द्वारा OpenAI सर्विस API के लिए .NET लाइब्रेरी।

faster_whisper GUI with PySide6

VOICE → WORDS

whisper मॉडल का उपयोग करके आसानी से सबटाइटल बनाने के लिए एक वेब UI।

शब्द-स्तरीय टाइमस्टैम्प और कॉन्फिडेंस के साथ बहुभाषी स्वचालित वाक् पहचान (Multilingual ASR)

macOS डिक्टेशन ऐप

ऑडियो और वीडियो सामग्री को तेज़ी से निकालें और इसे एक संरचित markdown नोट्स में व्यवस्थित करें

अपनी स्क्रीन रिकॉर्ड करें, डेमो शिप करें। निःशुल्क और ओपन-सोर्स, GPU-त्वरित, कोई वॉटरमार्क नहीं, कोई सब्सक्रिप्शन नहीं। Windows, macOS, Linux। सक्रिय रूप से मेंटेन किया गया।

किसी भी वीडियो के लिए स्वचालित रूप से उपशीर्षक (subtitles) जनरेट और ओवरले करें।

स्वचालित YouTube Shorts पाइपलाइन: समाचार → स्क्रिप्ट → AI विजुअल्स → वॉयसओवर → कैप्शन → अपलोड

Rust में तुरंत, नियंत्रित और स्थानीय प्री-ट्रेन किए गए AI मॉडल

ASR/STT उपशीर्षक जनरेटर। Qwen3-ASR, स्थानीय LLM, Whisper, TEN-VAD का उपयोग करता है। JAV के लिए शोर-रोधी

Claude (या किसी भी LLM) को वास्तव में वीडियो देखने दें — सीन-अवेयर, डिडुप्लीकेटेड फ़्रेम + ट्रांसक्रिप्ट, URL या स्थानीय फ़ाइल से। स्थानीय रूप से चलता है, MIT।

ONNX फाइलों के लिए हल्की अनुमान लाइब्रेरी, C++ में लिखी गई। यह RPI Zero 2 (या 298MB RAM में) पर Stable Diffusion XL 1.0 चला सकती है और डेस्कटॉप तथा सर्वर पर Mistral 7B भी चला सकती है। ARM, x86, WASM, RISC-V समर्थित। XNNPACK द्वारा त्वरित। Python, C# और JS(WASM) बाइंडिंग उपलब्ध हैं।

multiplatform और coroutines क्षमताओं के साथ Kotlin के लिए OpenAI API क्लाइंट।

क्रॉस-प्लेटफ़ॉर्म, GPU त्वरित Whisper 🏎️

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

🎞️ OpenAI के Whisper और इसके वेरिएंट द्वारा संचालित सबटाइटल जनरेशन टूल (Web-UI + CLI + Python पैकेज) 🎞️

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

🎙️ 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।

Windows डेवलपर्स के लिए एक ओपन-सोर्स प्रोजेक्ट, जिससे वे सीख सकें कि Windows ऐप्स में स्थानीय मॉडल और API के साथ AI कैसे जोड़ा जाए।

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

YouTube उपशीर्षक (subtitles) स्वतः जेनरेट करने के लिए OpenAI के Whisper का उपयोग करना

मशीन लर्निंग-संचालित कराओके ऐप (स्कोर के साथ!)

🍦 Speech-AI-Forge एक प्रोजेक्ट है जिसे TTS जनरेशन मॉडल के चारों ओर विकसित किया गया है, जो एक API सर्वर और Gradio-आधारित WebUI को लागू करता है।