speech-to-text

Port do modelo Whisper da OpenAI em C/C++

Um aplicativo de fala para texto gratuito, de código aberto e extensível que funciona totalmente offline.

Assistente de reuniões com IA focado em privacidade, com transcrição ao vivo 4x mais rápida via Parakeet/Whisper, diarização de falantes e resumos via Ollama, construído em Rust. Processamento 100% local, sem necessidade de nuvem.

Distribua e execute LLMs com um único arquivo.

Transcrição Whisper mais rápida com CTranslate2

WhisperX: Reconhecimento Automático de Fala com carimbos de data/hora no nível da palavra (& Diarização).

YC (S26) | Open Computer History | Grave sua tela continuamente de forma local e forneça contexto aos seus agentes (Claude, Codex, Openclaw, Hermes, Runner...)

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.

Traduza vídeos de um idioma para outro e incorpore dublagem e legendas.

🧠 Leon é seu assistente pessoal de código aberto

kaldi-asr/kaldi é o repositório oficial do projeto Kaldi.

API de reconhecimento de fala offline para Android, iOS, Raspberry Pi e servidores com Python, Java, C# e Node.

VoiceStudio é a alternativa ao ElevenLabs de código aberto e totalmente local — clonagem de voz, design de voz, dublagem de vídeo, ditado, transcrição e criação de audiolivros em 646 idiomas.

Speech-to-text, text-to-speech, diarização de locutor, aprimoramento de fala, separação de fontes e VAD usando a próxima geração do Kaldi com onnxruntime sem conexão com a Internet. Suporte a sistemas embarcados, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, RK NPU, Axera NPU, Ascend NPU, servidores x86_64, servidor/cliente websocket e 12 linguagens de programação

Crie agentes de voz com modelos de código aberto

Interface Web Gradio para criadores e desenvolvedores, apresentando TTS (Edge-TTS, kokoro) e clonagem de voz zero-shot (E2 & F5-TTS, CosyVoice), com processamento de áudio Whisper, download do YouTube, isolamento vocal Demucs e tradução multilíngue.

Um kit de ferramentas de fala baseado em PyTorch

Conversão de fala em texto local e em tempo real com ASR por streaming, diarização de locutor, tradução e APIs compatíveis com OpenAI/Deepgram.

Uma biblioteca de conversão de fala em texto robusta, eficiente e de baixa latência, com detecção avançada de atividade de voz, ativação por palavra-chave e transcrição instantânea.

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.

Módulo de reconhecimento de fala para Python, com suporte a diversos motores e APIs, online e offline.

Um sistema de reconhecimento de fala em chinês baseado em Deep Learning

Uma biblioteca de text-to-speech (TTS), speech-to-text (STT) e speech-to-speech (STS) construída sobre o framework MLX da Apple, oferecendo análise de fala eficiente em Apple Silicon.

💬 Reconhecimento de fala para o seu site

IA de fala executada localmente no dispositivo para Apple Silicon

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

Aplicativo de ditado de voz para texto com modelos locais (Nvidia Parakeet/Whisper) e em nuvem (BYOK). Focado em privacidade e disponível em várias plataformas.

Silero Models: modelos de conversão de texto em fala pré-treinados feitos de forma extremamente simples

Transforme seu PC, Mac ou Linux em um servidor de IA. Inferência de LLM, interface de chat, voz, agentes, fluxos de trabalho, RAG e geração de imagens.

Reconhecimento Automático de Fala com Diarização de Orador baseado no OpenAI Whisper