speech-to-text

Porting model Whisper dari OpenAI ke dalam C/C++.

Aplikasi speech-to-text gratis, sumber terbuka, dan dapat diperluas yang bekerja sepenuhnya secara offline.

Asisten rapat AI yang mengutamakan privasi dengan transkripsi langsung Parakeet/Whisper 4x lebih cepat, diaritisasi pembicara, dan ringkasan Ollama yang dibangun dengan Rust. Pemrosesan 100% lokal, tidak memerlukan cloud. Meetily (Meetly Ai - https://meetily.ai) adalah pencatat rapat AI open-source yang di-host sendiri nomor 1 untuk macOS & Windows. Pahami cara menulis notulen rapat.

Distribusikan dan jalankan LLM dengan satu file.

Transkripsi Faster Whisper dengan CTranslate2

WhisperX: Pengenalan Ucapan Otomatis dengan stempel waktu tingkat kata (& Diarisasi)

YC (S26) | Open Computer History | Rekam layar Anda secara terus-menerus di lokal dan berikan konteks ke agen Anda (Claude, Codex, Openclaw, Hermes, Runner...)

Toolkit pengenalan suara open source untuk pelatihan, inferensi, streaming ASR, VAD, tanda baca, pipeline diarization pembicara, dan penyajian yang kompatibel dengan OpenAI/MCP.

Menerjemahkan video dari satu bahasa ke bahasa lain serta menyematkan sulih suara dan takarir.

Leon adalah asisten pribadi open source Anda.

kaldi-asr/kaldi adalah lokasi resmi dari proyek Kaldi.

API pengenalan suara offline untuk Android, iOS, Raspberry Pi, dan server dengan Python, Java, C#, dan Node.

VoiceStudio adalah alternatif ElevenLabs sumber terbuka yang sepenuhnya lokal — kloning suara, desain suara, sulih suara video, dikte, transkripsi, & pembuatan buku audio dalam 646 bahasa.

Speech-to-text, text-to-speech, speaker diarization, peningkatan kualitas suara, pemisahan sumber, dan VAD menggunakan next-gen Kaldi dengan onnxruntime tanpa koneksi internet. Mendukung sistem embedded, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, RK NPU, Axera NPU, Ascend NPU, server x86_64, websocket server/client, serta mendukung 12 bahasa pemrograman.

Membangun agen suara dengan model open-source

Gradio WebUI untuk kreator dan pengembang, menampilkan TTS utama (Edge-TTS, kokoro) dan Kloning Suara zero-shot (E2 & F5-TTS, CosyVoice), dengan pemrosesan audio Whisper, unduhan YouTube, isolasi vokal Demucs, dan terjemahan multibahasa.

Toolkit ucapan berbasis PyTorch

Speech-to-text lokal waktu nyata dengan streaming ASR, diarization pembicara, penerjemahan, dan API yang kompatibel dengan OpenAI/Deepgram

Pustaka speech-to-text yang tangguh, efisien, dan berlatensi rendah dengan deteksi aktivitas suara tingkat lanjut, aktivasi kata pemicu, dan transkripsi instan.

Model SenseVoiceSmall sumber terbuka untuk ASR bahasa Mandarin, Kanton, Inggris, Jepang, dan Korea, identifikasi bahasa, pengenalan emosi, dan deteksi peristiwa audio.

Modul pengenalan ucapan untuk Python, mendistribusikan beberapa mesin dan API, online dan offline.

Sistem pengenalan suara bahasa Mandarin berbasis Deep Learning.

Pustaka text-to-speech (TTS), speech-to-text (STT), dan speech-to-speech (STS) yang dibangun di atas framework MLX Apple, menyediakan analisis suara yang efisien di Apple Silicon.

💬 Pengenalan ucapan untuk situs Anda

AI Suara On-device untuk Apple Silicon

Alat transkripsi video, pembuatan subtitle, dan pemotongan berbasis LLM yang didukung oleh FunASR dengan antarmuka Gradio lokal.

Aplikasi dikte suara-ke-teks dengan model lokal (Nvidia Parakeet/Whisper) dan cloud (BYOK). Mengutamakan privasi dan tersedia lintas platform.

Silero Models: model text-to-speech pra-latih yang dibuat sangat sederhana

Ubah PC, Mac, atau perangkat Linux Anda menjadi server AI. Inferensi LLM, UI obrolan, suara, agen, alur kerja, RAG, dan pembuatan gambar.

Pengenalan Ucapan Otomatis (ASR) dengan Speaker Diarization berbasis OpenAI Whisper