speech-to-text

Platform AI suara open-source. Alternatif self-hosted untuk Vapi dan Retell. On-premise, BYOK untuk Speech to Speech atau LLM/STT/TTS, dengan pembuat alur kerja visual, dukungan native MCP, dan teleponi.

Alat lokalisasi video AI sumber terbuka: otomatis mengunduh video YouTube/Bilibili, mengenali dan menerjemahkan subtitle, kloning suara, mencampur trek audio, dan menyematkan subtitle.

Alat pengenalan suara ke teks, alat konversi audio/video ke subtitle yang berjalan secara lokal (offline), mendukung format output json, srt, dan teks biasa.

Implementasi JAX dari model Whisper OpenAI untuk peningkatan kecepatan hingga 70x pada TPU.

Pustaka python untuk komunikasi secara real-time

Pembuatan subtitle pada perangkat yang terhubung langsung ke DaVinci Resolve, Premiere, dan After Effects.

Alat terjemahan audio/suara secara real-time yang ringan dan kuat berbasis Windows LiveCaptions.

Tahan tombol, bicara, lepaskan — teks yang telah dipoles AI akan muncul di kursor Anda di aplikasi apa pun. Input suara sumber terbuka untuk macOS & Windows.

Layanan API ASR OpenAI Whisper

Executable mandiri Whisper & Faster-Whisper bagi mereka yang tidak ingin repot dengan Python.

LLaMA-Omni adalah model interaksi ucapan ujung-ke-ujung berlatensi rendah dan berkualitas tinggi yang dibangun di atas Llama-3.1-8B-Instruct, yang bertujuan untuk mencapai kemampuan ucapan setara GPT-4o.

Alternatif asisten suara sumber terbuka, lokal, dan self-hosted untuk menyaingi Amazon Echo/Google Home

Transkripsikan audio apa pun menjadi teks, terjemahkan, dan edit subtitle 100% secara lokal dengan antarmuka web. Didukung oleh model whisper!

Lingvo

Pengenalan Ucapan Otomatis Multibahasa dengan stempel waktu tingkat kata dan tingkat kepercayaan.

API transkripsi rapat sumber terbuka untuk Google Meet, Microsoft Teams, dan Zoom. Mendukung bot gabung otomatis, transkrip WebSocket waktu nyata, dan server MCP untuk agen AI. Dapat di-host sendiri atau menggunakan SaaS.

Model audio CoreML mutakhir di aplikasi Anda — teks-ke-suara, suara-ke-teks, deteksi aktivitas suara, dan diarisasi pembicara. Dalam Swift, didukung oleh open source SOTA.

Alternatif Open Source untuk Cluely - Asisten AI yang sangat cepat dan mengutamakan privasi, bekerja lancar saat rapat, wawancara, dan percakapan tanpa diketahui siapa pun. Dibangun dengan Tauri untuk performa natif, hanya 10MB. Sepenuhnya tidak terdeteksi dalam panggilan video, berbagi layar, dan rekaman.

🐸STT - Toolkit deep learning untuk Speech-to-Text. Melatih dan menerapkan model STT tidak pernah semudah ini.

Daftar kurasi untuk Whisper — sistem pengenalan suara berbasis AI sumber terbuka yang dikembangkan oleh OpenAI.

Rekam layar Anda, bagikan demo. Gratis dan sumber terbuka, dipercepat GPU, tanpa tanda air, tanpa langganan. Windows, macOS, Linux. Aktif dipelihara.

Alternatif Wispr Flow sumber terbuka dan gratis | Alur kerja suara desktop Tiongkok generasi berikutnya yang mengintegrasikan model lokal FunASR dan LLM yang dapat dikonfigurasi

Mesin inferensi C++ murni yang lengkap untuk model audio, didukung oleh ggml. Mendukung TTS, STT, VAD, konversi suara, pembuatan musik, dan lainnya, dengan performa yang sangat dioptimalkan. Tanpa dependensi Python.

Generator subtitel ASR/STT. Menggunakan Qwen3-ASR, LLM lokal, Whisper, dan TEN-VAD. Tahan bising untuk JAV

🎙 Pengenalan ucapan menggunakan kerangka kerja deep learning tensorflow, jaringan saraf sequence-to-sequence

Mesin audio yang gratis, mudah, dan portabel untuk game

Detektor aktivitas suara (VAD) untuk browser dengan API yang sederhana

editor untuk audio lisan dengan transkripsi otomatis

Inferensi speech-to-text ggml untuk 16+ keluarga model