funasr

トレーニング、推論、ストリーミングASR、VAD、句読点、話者ダイアライゼーションパイプライン、およびOpenAI互換/MCPサービングのためのオープンソース音声認識ツールキット

Mandarin、Cantonese、English、Japanese、Korean向けのオープンソースのSenseVoiceSmallモデル。ASR、言語ID、感情認識、音声イベント検出に対応。

FunASRを搭載した動画文字起こし、字幕生成、LLM支援型クリッピングツール（ローカルGradio UI付き）

動画から字幕への変換、字幕翻訳、AIによる吹き替えと音声クローニング、字幕焼き付けに対応した無料のオープンソースのオールインワンデスクトップツール。Whisper / FunASRなどのローカルモデルに基づくオフライン音声認識、バッチ処理＋全プラットフォームGPUアクセラレーションに対応。Windows / macOS / Linux対応。

音声や動画のコンテンツを素早く抽出し、構造化されたMarkdownノートに整理する

オープンソースで無料の Wispr Flow 代替案 | FunASR ローカルモデルと設定可能な大規模言語モデルを統合した次世代中国語デスクトップ音声ワークフロー

百聆（Bailing）はGPT-4oに類似した音声対話ボットであり、ASR+LLM+TTSを通じて実現されています。DeepSeek R1などの優れた大規模モデルを統合し、openClawに接続した真の個人用音声アシスタントです。遅延は800msと低く、Macなどの低スペック環境でも動作し、割り込みをサポートしています。

中国語、方言、アクセント、多言語音声に対応した、オープンソースの LLM ベース ASR モデルファミリ。FunASR、vLLM、ストリーミング、llama.cpp ランタイムをサポート。

MToolsは、音声・動画処理、画像編集、テキスト操作、コーディングツールを統合し、AI拡張機能を内蔵した強力な多機能デスクトップアプリケーションです。ワークフローの簡素化と生産性の向上のために設計されています

VocoType は、ローカル環境で動作するプライバシーとセキュリティに配慮した音声入力ツールです。ショートカットキーで音声をリアルタイムにテキストへ変換し、現在のアプリケーションへ自動入力します。音声文字変換 MCP、AI によるテキスト最適化、カスタム置換辞書、音声・動画の文字起こしなどの機能をサポートし、音声入力をより効率的かつ安全にします。

リアルタイム音声翻訳。システム音声とマイクをキャプチャし、ASR（Whisper/SenseVoice）を実行し、LLM API経由で翻訳してストリーミング表示します。VTuber、ライブ配信者、外国語コンテンツの視聴に最適です。