speech-to-text

macOS 向けローカル音声文字変換、オンデバイス AI、完全プライベート、クラウド連携（オプション）

ExecuTorch を活用し、React Native でデバイス上の AI モデルを実行する宣言的な方法。

户晨风のすべてのコンテンツを収集する

Speech Note Linux アプリ。オフラインでの音声文字変換（Speech to Text）、音声合成（Text to Speech）、機械翻訳を使用したメモ作成、読み上げ、翻訳機能を提供します。

AIを使用したローカル音声認識および字幕生成のためのOBSプラグイン

Apple Silicon 向けの高性能な OpenAI および Anthropic 互換 LLM 推論サーバー。ネイティブ MLX、連続バッチ処理、マルチモーダルモデル、MCP ツール呼び出し、Claude Code をサポート。

Python 用 TikTok LIVE API: TikTok LIVE からリアルタイムでライブ配信イベント（コメント、ギフトなど）を受信するための決定版サードパーティライブラリ。

Mac に話しかけ、ドキュメントを検索。クラウド不要。デバイス上の音声 AI + RAG

ComfyUI の機能を拡張するカスタムノード

🎙️ AIディクテーションアプリ - オープンソース＆ローカルファースト ⚡ キーボードなしで3倍速く入力。🆓 オープンソースモデル搭載、オフライン動作、高速かつ高精度。

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。

すべてのミーティング、すべてのアイデア、すべてのボイスメモを AI で検索可能にする、オープンソースかつプライバシーファーストの会話メモリレイヤー

動画の同期翻訳。動画の吹き替え

💎 ASR、TTS、その他の音声技術向けにアクセス可能な音声コーパスのリスト

Apple Silicon 搭載 Mac で LLM をファインチューニング。MLX 上でネイティブ動作する SFT、DPO、GRPO、Vision、TTS、STT、Embedding、OCR のファインチューニング対応。Unsloth 互換 API。

マルチバックエンド対応のWhisperアプリ。超高速、Mac-arm最適化済み、簡単インストール。ローカルファイルやURLを入力すると、Whisper AIを使用して文字起こしを実行。完全なプライバシー保護と無料を実現

CTranslate2 をベースにした、オリジナルの OpenAI クライアントと互換性のある Whisper コマンドラインクライアント

Wayland コンポジター向けのプッシュトトーク対応音声テキスト変換。

Gp.nvim (GPT prompt) Neovim AIプラグイン：ChatGPTセッション、指示可能なテキスト/コード操作、音声文字変換 [OpenAI, Ollama, Anthropic, ..]

画像、リアルタイム音声会話、LLM を活用したチャットボット、自動化ワークフローのためのオフライン推論エンジン。

StreamSpeech は、オフラインおよび同時音声認識、音声翻訳、音声合成のための「オールインワン」シームレスモデルです。

音声チャットアプリ

Linux向けのネイティブ音声文字変換 - 高速、正確、プライベート、そしてハッキング可能なシステム全体のディクテーション

Windows、Linux、macOS向けの検閲なしローカル AI スタジオ。画像生成、GGUF LLM、音声認識・合成のためのセットアップ不要な GUI

Youtube/Twitch 配信用の AI VTuber

Muesli - macOS 向けのローカル会議文字起こしおよび音声入力ツール (Granola および WisprFlow の代替)

モバイルデバイスで高品質な音声文字起こしをより身近にするオープンソースのiOSアプリ

💬📝 OpenAIのWhisper音声認識モデルを使用した小さなディクテーションアプリ。

LLMによる後処理を備えた、完全ローカルかつプライベートなクロスプラットフォーム音声認識（Speech-to-Text）

オープンソースの音声AI SDK。スタックを自社所有したい開発者向けの Vapi/Retell 代替ソリューション。4行のコードでAIエージェントに電話番号を付与 — Python と TypeScript、MITライセンス、Twilio、Telnyx、Plivoに対応。