stt

Otak kedua AI Anda. Dapat di-self-host. Dapatkan jawaban dari web atau dokumen Anda. Bangun agen kustom, jadwalkan otomatisasi, lakukan riset mendalam. Ubah LLM online atau lokal apa pun menjadi AI otonom pribadi Anda (gpt, claude, gemini, llama, qwen, mistral). Mulai secara gratis.

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

Speech-to-text, pengenalan maksud, dan text-to-speech dengan latensi sangat rendah untuk membangun agen dan antarmuka suara

Open Vision Agents oleh Stream. Bangun agen suara dan visi dengan cepat menggunakan model atau penyedia video apa pun. Menggunakan jaringan edge Stream untuk latensi ultra-rendah.

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

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

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

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

Mainan AI Suara Real-time dengan 100+ Model di Arduino ESP32 dengan Secure Websockets dan Edge Functions untuk perangkat dan pendamping AI

Kenalan dengan Ava, WhatsApp Agent

Aplikasi Linux Speech Note. Mencatat, membaca, dan menerjemahkan dengan Speech to Text, Text to Speech, dan terjemahan mesin secara luring.

Aplikasi asisten Dicio untuk Android

🍦 Speech-AI-Forge adalah proyek yang dikembangkan di sekitar model generasi TTS, mengimplementasikan API Server dan WebUI berbasis Gradio.

Terjemahan Tersinkronisasi untuk Video. Sulih suara video

💎 Daftar korpus ucapan yang dapat diakses untuk ASR, TTS, dan Teknologi Ucapan lainnya

Platform manajemen tingkat perusahaan Java untuk Xiaozhi ESP32, menyediakan solusi ujung depan-belakang dan sisi server terpadu untuk pemantauan perangkat, penyesuaian suara, peralihan peran, dan manajemen catatan dialog

Plugin AI Neovim Gp.nvim (GPT prompt): Sesi ChatGPT & operasi teks/kode yang dapat diinstruksikan & Ucapan ke teks [OpenAI, Ollama, Anthropic, ..]

Terjemahan ucapan waktu nyata — macOS & Windows, TTS gratis, tanpa server, hanya menggunakan kunci API Anda

Terjemahan suara dua arah secara real-time untuk rapat bilingual — mendeteksi bahasa yang diucapkan secara otomatis dan menerjemahkan ke dua arah, berbasis cloud atau sepenuhnya luring di perangkat. Desktop (Windows · macOS · Linux) + ekstensi browser (Chrome · Edge) untuk Zoom, Meet, Teams & aplikasi apa pun.

NobodyWho adalah mesin inferensi yang memungkinkan Anda menjalankan LLM secara lokal dan efisien di perangkat apa pun.

🎙️ Asisten produktivitas suara cerdas yang mengubah ucapan menjadi teks bersih, tindakan yang berguna, dan pengetahuan terstruktur. Membantu pengguna menangkap ide, berkomunikasi secara alami, mengotomatiskan tugas repetitif, dan tetap produktif di berbagai aplikasi dan alur kerja.

🎤 Lobe TTS - Pustaka TTS/STT yang berkualitas tinggi & andal untuk Server dan Browser

Speech to Text to Speech. Lagu sedang diputar. Mengirim teks sebagai pesan OSC ke VRChat untuk ditampilkan di avatar. (STTTS) (Speech to TTS) (VRC STT System) (VTuber TTS)

SDK Swift modular untuk pemrosesan audio dengan MLX di Apple Silicon

Menjalankan model speech-to-text (whisper.cpp) di Unity3d pada mesin lokal Anda.

MLX Omni Server adalah server inferensi lokal yang didukung oleh framework MLX Apple, yang dirancang khusus untuk chip Apple Silicon (seri M). Ini mengimplementasikan endpoint API yang kompatibel dengan OpenAI, memungkinkan integrasi yang mulus dengan klien SDK OpenAI yang ada sekaligus memanfaatkan kekuatan inferensi ML lokal.

Mesin ucapan-ke-teks streaming on-device yang didukung oleh deep learning

:speech_balloon: /so.nus/ STT (speech to text) untuk Node dengan deteksi kata kunci offline.

Komponen React untuk membuat koreksi transkripsi audio dan video otomatis menjadi lebih mudah dan cepat. Oleh BBC News Labs. - Sedang dikerjakan

Pusat runtime C++ ggml untuk model ASR dan TTS multibahasa: Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2, dll., ditambah penyelarasan paksa universal, dan lainnya