whisper

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

制御可能な文字起こし。単語単位のタイムスタンプ付きで、逐語的（フィラー、ポーズ、言い淀み、発声を含む）または意図通り（話し手の意図を反映し、読みやすさを最適化）の出力が可能

Claude Code を使用した自然な音声会話

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, ..]

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

Claudeに動画の視聴と理解能力を付与する — フレーム抽出とマルチモーダル音声分析を備えた Claude Code プラグイン

Whisper は、Graphite 用のファイルベースの時系列データベースフォーマットです。

Kubernetes向けAI推論オペレーター。本番環境でMLモデルをホストする最も簡単な方法。VLM、LLM、埋め込み、音声認識をサポート。

Whisper音声認識モデルをファインチューニングし、タイムスタンプなし、タイムスタンプあり、音声なしデータのトレーニングをサポート。推論の高速化、およびWeb、Windowsデスクトップ、Androidへのデプロイをサポート

AI/ML モデルを本番環境で運用する最も簡単な方法

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

動画や音声から字幕や srt ファイルを生成する GUI ツール。

30以上の生成AIに対応するセルフホスト型 WebUI

Youtube/Twitch 配信用の AI VTuber

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。

オープンソースの音声ディクテーション技術

Whisper-Flowは、OpenAIのWhisperモデルを使用して音声コンテンツのリアルタイム文字起こしを実現するためのフレームワークです。アップロード後にファイル全体を処理する（「バッチモード」）のではなく、Whisper-Flowは音声チャンクの連続ストリームを受け取り、即座にインクリメンタルな文字起こしを生成します。

LLM による要約を備えた、すぐに使えるセルフホスト型オフライン文字起こしおよび話者分離サービス

ファインチューニングおよび処理済みのWhisper ASRモデルを使用して、音声文字起こしを行うユーザーレベルアクセス対応のAPIを提供するプロジェクト

OpenCluelyは、DSA、OA、CPなどの技術面接向けに作られた、無料でオープンソースのCluelyの代替です。インビジブルオーバーレイ、リアルタイムAI支援、問題キャプチャのためのスマート画像処理、多言語サポートを提供し、100%カスタマイズ可能でプライベートです。

C# 用の Twitch チャット、Whisper、API、PubSub ライブラリ。チャット、Whisper、配信イベントの購読、チャンネル/アカウントの変更が可能。.NET Standard 2.0 をサポートするすべての環境に対応。

ローカル動画の字幕ファイルを一括生成し、他の言語への翻訳も可能。WindowsおよびmacOSのクロスプラットフォームに対応

動画から字幕、要約、チャプターを数秒で生成

Unity ゲームエンジンで OpenAI API を直接使用できるようにすることを目的とした非公式の OpenAI Unity Package

OpenAI の Whisper を使用したリアルタイム speech2text Web アプリの構築 (https://openai.com/blog/whisper/)

クラシックなアーキテクチャ（Agent -> Cache -> Persister）を採用したGraphite/CarbonサーバーのGolang実装