funasr

Kit de ferramentas de reconhecimento de fala de código aberto para treinamento, inferência, streaming ASR, VAD, pontuação, pipelines de diarização de locutores e atendimento compatível com OpenAI/MCP.

Modelo SenseVoiceSmall de código aberto para ASR em mandarim, cantonês, inglês, japonês e coreano, identificação de idioma, reconhecimento de emoção e detecção de eventos de áudio.

Ferramenta de transcrição de vídeo, geração de legendas e edição assistida por LLM baseada em FunASR, com interface Gradio local.

Aplicativo desktop gratuito e de código aberto para gerar, traduzir, dublar e embutir legendas em vídeos — conversão de voz em texto local com Whisper, dublagem por IA e clonagem de voz, offline e com aceleração por GPU.

Extraia rapidamente conteúdo de áudio e vídeo e organize-o em notas estruturadas em markdown.

Alternativa open source e gratuita ao Wispr Flow | Fluxo de trabalho de voz para desktop em chinês de próxima geração, integrando o modelo local FunASR e modelos de linguagem grandes configuráveis.

Bailing é um robô de diálogo por voz semelhante ao GPT-4o, implementado via ASR+LLM+TTS, integrado com grandes modelos como o DeepSeek R1 e openClaw. Um verdadeiro assistente de voz pessoal com latência de até 800ms, capaz de rodar em dispositivos de baixa configuração como Mac e com suporte a interrupções.

Família de modelos ASR de código aberto baseados em LLM para chinês, dialetos, sotaques e fala multilíngue, com runtimes FunASR, vLLM, streaming e llama.cpp.

O MTools é um aplicativo de desktop multifuncional poderoso que integra processamento de áudio e vídeo, edição de imagem, manipulação de texto e ferramentas de codificação, com recursos de IA integrados. Projetado para simplificar seu fluxo de trabalho e aumentar a produtividade.

VocoType é uma ferramenta de entrada de voz local, privada e segura que converte voz em texto em tempo real via atalhos de teclado. Suporta MCP de voz para texto, otimização de texto por IA, dicionários de substituição personalizados e transcrição de áudio/vídeo.

Tradução de áudio em tempo real: captura o áudio do sistema e microfone, executa ASR (Whisper/SenseVoice) e traduz via API de LLM com exibição em streaming. Ideal para VTubers, streamers e consumo de conteúdo em idioma estrangeiro no Windows.