speech-to-text

오픈소스 음성 AI 플랫폼. Vapi 및 Retell의 셀프 호스팅 대안. 온프레미스, 음성 간(Speech to Speech) 또는 LLM/STT/TTS 전반의 BYOK 지원, 시각적 워크플로우 빌더, MCP 네이티브 및 telephony 지원.

오픈 소스 AI 비디오 로컬라이제이션 도구: YouTube/Bilibili 비디오 다운로드, 자막 인식 및 번역, 음성 복제 더빙, 오디오 트랙 믹싱 및 자막 삽입을 자동으로 수행합니다.

음성 인식 텍스트 변환 도구 / JSON, SRT 자막, 순수 텍스트 형식으로 출력하는 오프라인 로컬 오디오/비디오 자막 변환 도구

TPU에서 최대 70배 속도 향상을 제공하는 OpenAI Whisper 모델의 JAX 구현

실시간 통신을 위한 파이썬 라이브러리

DaVinci Resolve, Premiere, After Effects에 직접 연결되는 온디바이스 자막 생성

Windows LiveCaptions 기반의 가볍고 강력한 실시간 오디오/음성 번역 도구

키를 누르고 말한 뒤 놓으면 어떤 앱에서든 커서에 AI로 다듬어진 텍스트가 입력됩니다. macOS 및 Windows용 오픈소스 음성 입력 도구

OpenAI Whisper ASR 웹서비스 API

Python을 다루기 귀찮은 분들을 위한 Whisper 및 Faster-Whisper 독립형 실행 파일.

LLaMA-Omni는 Llama-3.1-8B-Instruct 기반의 저지연 고품질 엔드투엔드 음성 상호작용 모델로, GPT-4o 수준의 음성 기능 구현을 목표로 합니다.

오픈 소스, 로컬 및 자체 호스팅 기반의 Amazon Echo/Google Home 경쟁 음성 어시스턴트 대안

웹 UI를 사용하여 100% 로컬에서 오디오를 텍스트로 변환하고 자막을 번역 및 편집합니다. Whisper 모델 구동!

Lingvo

단어 수준 타임스탬프와 신뢰도를 제공하는 다국어 자동 음성 인식

Google Meet, Microsoft Teams 및 Zoom을 위한 오픈소스 미팅 전사 API. 자동 참가 봇, 실시간 WebSocket 전사, AI 에이전트를 위한 MCP 서버. 셀프 호스팅 또는 SaaS 이용 가능.

앱에서 사용하는 프론티어 CoreML 오디오 모델 — 텍스트 음성 변환, 음성 텍스트 변환, 음성 활동 감지 및 화자 분리. Swift 기반, SOTA 오픈소스 구동.

Cluely의 오픈 소스 대안 - 회의, 면접, 대화 중 상대방 모르게 원활하게 작동하는 초고속, 프라이버시 우선 AI 어시스턴트. Tauri로 빌드되어 네이티브 성능을 제공하며 용량은 불과 10MB입니다. 화상 통화, 화면 공유, 녹화 시 전혀 감지되지 않습니다.

🐸STT - 음성 인식(Speech-to-Text)을 위한 딥러닝 툴킷. STT 모델 학습과 배포가 그 어느 때 보다 쉬워집니다.

🔊 OpenAI가 개발한 오픈소스 AI 기반 음성 인식 시스템인 Whisper를 위한 멋진 목록

화면을 녹화하고 데모를 공유하세요. 무료 오픈소스, GPU 가속, 워터마크 없음, 구독 없음. Windows, macOS, Linux 지원. 활발히 유지보수 중.

오픈소스 무료 Wispr Flow 대안 | FunASR 로컬 모델 및 설정 가능한 대규모 언어 모델이 통합된 차세대 중국어 데스크톱 음성 워크플로

ggml 기반의 오디오 모델용 올인원 순수 C++ 추론 엔진. 고조율된 성능으로 TTS, STT, VAD, 음성 변환, 음악 생성 등을 지원합니다. Python 의존성이 없습니다.

ASR/STT 자막 생성기. Qwen3-ASR, 로컬 LLM, Whisper, TEN-VAD 사용. JAV에 대한 노이즈 저항성 제공

tensorflow 딥러닝 프레임워크와 시퀀스 대 시퀀스 신경망을 사용한 음성 인식

게임용 무료, 간편 및 휴대용 오디오 엔진

간단한 API를 제공하는 브라우저용 음성 활동 감지기(VAD)

자동 전사가 지원되는 음성 오디오 편집기

16개 이상의 모델 계열을 지원하는 ggml 음성 인식 추론