speech-to-text

Audio AI 분야의 LLM(거대 언어 모델) 활용 사례 리소스 모음

Pytorch로 구현된 스트리밍 및 비스트리밍 자동 음성 인식 프레임워크. 온라인 및 오프라인 인식을 모두 지원하며 Conformer, Squeezeformer, DeepSpeech2 모델과 다양한 데이터 증강 방법을 지원함

Rapida는 오디오 스트리밍, STT, TTS, VAD, 다중 채널 통합, 에이전트 상태 관리 및 관찰 가능성을 제공하여 실시간 대화형 음성 에이전트를 구축할 수 있는 오픈소스 엔드투엔드 음성 AI 오케스트레이션 플랫폼입니다.

Adapt 의도 파서(Intent Parser)

OBS, VRChat, Twitch 채팅, Discord를 위한 음성 인식(Speech to Text) 및 KB 입력 자막

음성 API 예제

음성 인식(Speech-to-Text) 벤치마크 프레임워크

비디오에서 자막(SRT)을 추출하고 원하는 언어로 번역할 수 있는 무료 로컬 데스크톱 앱. 무제한 사용 가능하며 가입이나 클라우드 연결이 필요 없습니다.

React Native Expo 프로젝트를 위한 음성 인식 라이브러리

Whisper와 LLM(GPT, Claude 등)을 사용하여 음성을 LRC 자막 파일로 변환 및 번역

딥러닝 기반의 온디바이스 스트리밍 음성 인식(STT) 엔진

Node.js용 STT(Speech to Text) 라이브러리, 오프라인 핫워드 감지 기능 포함

온라인 시험 감독 자동 모니터링 소프트웨어 개발

Apple Silicon Mac을 위한 빠르고 개인정보 보호 중심의 로컬 우선 음성 앱. 받아쓰기, 파일/미디어 전사, 회의 녹음, 변환 및 공개 자동화 CLI 제공. 무료 오픈 소스

WhisperKit을 사용하여 로컬 음성 인식 기능을 제공하는 macOS 메뉴바용 받아쓰기 앱

faster-whisper를 사용한 실시간 전사

다국어 ASR 및 TTS 모델을 위한 C++ ggml 런타임 허브: Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2 등 지원 및 범용 강제 정렬(forced alignment) 기능 제공

Vosk 라이브러리를 사용하는 Android용 오픈소스 온디바이스 음성 입력기(IME)

Playwright로 reCAPTCHA v2 및 v3를 해결하기 위한 Python 라이브러리

다중 추론 엔진을 지원하는 Whisper 모델용 최적화된 음성 인식 파이프라인

VRChat을 위한 모듈형 노드 프로그래밍 언어, 프로그램 생성기, 애니메이션 시스템, 툴킷, 라우터 및 디버거

사용자의 음성 권한을 획득하고 커스텀 가능한 UI를 통해 텍스트로 입력받는 오버레이

한국어 음성인식(STT) API 목록 및 성능 벤치마크

Browser-only Canva-style presentation studio, powered by local Web AI.

Lightning-fast, free, local first voice dictation for macOS with on-device transcription

Vosk의 WebAssembly 빌드를 사용하여 브라우저에서 실행되는 음성 인식 라이브러리

Phonetisaurus G2P

AI를 활용하여 발음을 평가하는 도구입니다.

오픈 소스 오디오 및 비디오 전사 소프트웨어

WebRTC, REST, WS를 통해 ASR/STT, TTS, LLM을 지원하는 오픈 소스, 로컬, 자체 호스팅 최적화 언어 추론 서버