whisper

OpenAI API + Ruby! 🤖❤️ GPT-5 および Realtime WebRTC と互換性あり！

Python の導入を避けたい人のための Whisper および Faster-Whisper のスタンドアロン実行ファイル

Amazon Echo や Google Home の競合となる、オープンソースかつローカルでセルフホスト可能な音声アシスタントの代替

Web UIを使って、あらゆる音声を100%ローカルでテキスト化、翻訳、字幕編集ができるツール。whisperモデルを採用！

Betalgo Ranul による OpenAI サービス API 用 .NET ライブラリ

PySide6 を使用した faster_whisper GUI

VOICE → WORDS

whisper モデルを使用して簡単に字幕を作成できる Web UI。

単語レベルのタイムスタンプと信頼度を備えた多言語自動音声認識

macOS用の音声入力アプリ

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

画面を録画してデモを公開。無料かつオープンソース、GPU アクセラレーション対応、ウォーターマークなし、サブスクリプションなし。Windows、macos、Linux に対応。アクティブにメンテナンス中。

あらゆる動画の字幕を自動生成してオーバーレイ表示します。

YouTube Shorts 自動生成パイプライン：ニュース → スクリプト → AIビジュアル → 音声 → 字幕 → アップロード

Rustによる、即座に制御可能なローカル事前学習済みAIモデル

ASR/STT字幕ジェネレーター。Qwen3-ASR、ローカルLLM、Whisper、TEN-VADを使用。JAV向けにノイズ耐性を強化。

URL またはローカルファイルから、Claude（または任意の LLM）に実際に動画を視聴させる。シーン認識、重複排除されたフレーム + トランスクリプト。ローカルで実行、MIT ライセンス。

C++ で書かれた ONNX ファイル向けの軽量推論ライブラリ。RPI Zero 2（または 298MB の RAM）での Stable Diffusion XL 1.0 の実行や、デスクトップおよびサーバーでの Mistral 7B の実行が可能。ARM、x86、WASM、RISC-V をサポートし、XNNPACK で高速化。Python、C#、JS(WASM) バインディングを利用可能。

マルチプラットフォームとコルーチン機能を備えた Kotlin 用 OpenAI API クライアント。

クロスプラットフォーム、GPU加速対応のWhisper 🏎️

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）

🎞️ OpenAIのWhisperおよびそのバリアントを活用した字幕生成ツール（Web-UI ＋ CLI ＋ Pythonパッケージ）🎞️

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

🎙️ 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。

Windows 開発者がローカルモデルや API を使用して Windows アプリに AI を追加する方法を学ぶためのオープンソースプロジェクト。

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

OpenAI の Whisper を使用して YouTube の字幕を自動生成する

機械学習を活用したカラオケアプリ（採点機能付き！）

🍦 Speech-AI-Forgeは、TTS生成モデルを中心に開発されたプロジェクトで、APIサーバーとGradioベースのWebUIを実装しています。