whisper

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 🤯🤯🤯

नियंत्रित ट्रांसक्रिप्शन। शब्द-स्तर के टाइमस्टैम्प के साथ सटीक (प्रत्येक फिलर, विराम, हकलाना, स्वर ध्वनि) या इच्छित (वक्ता क्या कहना चाहता था, पठनीयता के लिए अनुकूलित)।

Claude Code के साथ प्राकृतिक आवाज़ की बातचीत

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, ..]

MTools एक शक्तिशाली बहु-कार्यात्मक डेस्कटॉप एप्लिकेशन है, जो ऑडियो-वीडियो प्रोसेसिंग, इमेज एडिटिंग, टेक्स्ट ऑपरेशन और कोडिंग टूल को एकीकृत करता है, जिसमें अंतर्निहित AI संवर्द्धन विशेषताएं हैं। इसका उद्देश्य आपके वर्कफ़्लो को सरल बनाना और उत्पादकता बढ़ाना है।

Claude को वीडियो देखने और समझने की क्षमता दें — फ्रेम निष्कर्षण और मल्टीमॉडल ऑडियो विश्लेषण के साथ Claude Code प्लगइन

Whisper, Graphite के लिए एक फ़ाइल-आधारित समय-श्रृंखला डेटाबेस प्रारूप है।

Kubernetes के लिए AI Inference Operator। प्रोडक्शन में ML मॉडल को सर्व करने का सबसे आसान तरीका। VLM, LLM, एम्बेडिंग और स्पीच-टू-टेक्स्ट का समर्थन करता है।

टाइमस्टैम्प डेटा के बिना, टाइमस्टैम्प डेटा के साथ, और स्पीच डेटा के बिना ट्रेनिंग का समर्थन करने के लिए Whisper स्पीच रिकग्निशन मॉडल को फाइन-ट्यून करें। इन्फेरेंस को तेज करें और Web डिप्लॉयमेंट, Windows डेस्कटॉप डिप्लॉयमेंट, और Android डिप्लॉयमेंट का समर्थन करें।

प्रोडक्शन में AI/ML मॉडल्स को सर्व करने का सबसे सरल तरीका।

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

वीडियो और ऑडियो से सबटाइटल जनरेशन, srt फ़ाइल जनरेशन। किसी तीसरे पक्ष के API की आवश्यकता नहीं, स्थानीय रूप से ऑडियो-टू-टेक्स्ट रूपांतरण। Transformer-आधारित वीडियो सबटाइटल जनरेशन फ्रेमवर्क। वीडियो से सबटाइटल जेनरेट करने और srt फ़ाइलें बनाने के लिए एक GUI टूल।

30+ जनरेटिव AI के लिए एक सेल्फ-होस्टेड वेबयूआई

Youtube/Twitch पर स्ट्रीमिंग के लिए AI Vtuber

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

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।

llm सारांश के साथ टर्नकी सेल्फ-होस्टेड ऑफ़लाइन ट्रांसक्रिप्शन और डायरीज़ेशन सेवा

यह प्रोजेक्ट एक फाइन-ट्यून्ड और प्रोसेस्ड Whisper ASR मॉडल का उपयोग करके स्पीच-टू-टेक्स्ट ट्रांसक्रिप्शन के लिए यूजर-लेवल एक्सेस सपोर्ट के साथ एक API प्रदान करता है।

OpenCluely एक मुफ़्त, ओपन सोर्स Cluely (विकल्प) है, जिसे DSA, OAs और CP जैसे तकनीकी इंटरव्यू के लिए बनाया गया है। यह एक अदृश्य ओवरले, रीयल-टाइम AI सहायता, प्रश्न कैप्चर के लिए स्मार्ट इमेज प्रोसेसिंग, और बहु-भाषा समर्थन प्रदान करता है: 100% अनुकूलन योग्य और निजी।

C# Twitch चैट, व्हिस्पर, API और PubSub लाइब्रेरी। यह चैटिंग, व्हिस्परिंग, स्ट्रीम इवेंट सब्सक्रिप्शन और चैनल/अकाउंट मॉडिफिकेशन की सुविधा देता है। यह .NETStandard 2.0 को सपोर्ट करने वाले सभी प्लेटफॉर्म पर काम करता है।

स्थानीय वीडियो के लिए बैच में सबटाइटल फ़ाइलें जनरेट करें और उन्हें अन्य भाषाओं में अनुवादित करें, Windows और Mac सिस्टम के लिए क्रॉस-प्लेटफ़ॉर्म समर्थन।

सेकंड में वीडियो से उपशीर्षक, सारांश और अध्याय जनरेट करें

एक अनधिकृत OpenAI Unity पैकेज जिसका उद्देश्य Unity गेम इंजन में सीधे OpenAI API का उपयोग करने में आपकी सहायता करना है।

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

क्लासिक आर्किटेक्चर के साथ Graphite/Carbon सर्वर का Golang कार्यान्वयन: Agent -> Cache -> Persister