speech-to-text

面向抖音直播电商的 Windows 本地 AI Agent Studio，贯通主播发现、直播洞察、直播复盘与短视频内容编导的统一智能工作流。

:zap: TensorFlowASR: Reconhecimento automático de fala quase estado da arte em Tensorflow 2. Idiomas suportados que podem usar caracteres ou subpalavras

Tecnologia de ditado por voz de código aberto.

Whisper-Flow é um framework projetado para permitir a transcrição em tempo real de conteúdo de áudio usando o modelo Whisper da OpenAI. Em vez de processar arquivos inteiros após o upload (modo em lote), o Whisper-Flow aceita um fluxo contínuo de partes de áudio e produz transcrições incrementais imediatamente.

Transcrição de áudio em tempo quase real usando Whisper auto-hospedado e WebSocket em Python/JS

Processamento de Fala Botium

Whisper.net. Fala para texto simplificada usando modelos Whisper

Avalie seu sistema de conversão de fala em texto com medidas de similaridade como a taxa de erro de palavras (WER)

Exemplos de .NET MAUI

Repositório principal do bot do Telegram @voicybot

Modelos Whisper otimizados para streaming e uso em dispositivos

Um aplicativo de entrada de voz gratuito, de código aberto e com foco na privacidade para macOS.

Implementação de reconhecimento de fala em chinês de ponta a ponta baseada em PaddlePaddle, do básico ao avançado, com exemplos simples e projetos corporativos práticos. Suporta os modelos DeepSpeech2, Conformer e Squeezeformer mais populares atualmente.

💬 Reconhecimento de fala para seu aplicativo React

Crie aplicações web de speech2text em tempo real usando o Whisper da OpenAI https://openai.com/blog/whisper/

Deep Learning Descritivo

Software de geração automática de legendas completo, cobrindo todo o processo de download, transcrição, tradução e gravação, sem necessidade de intervenção humana.

Ditado de voz gratuito, de código aberto e 100% offline para Linux. Fale e digite em qualquer lugar via motores whisper.cpp, Whisper e VOSK, acelerado por GPU, funciona em X11 + Wayland!

🎤 Lobe TTS - Uma biblioteca TTS/STT confiável e de alta qualidade para servidor e navegador.

Fala para Texto para Fala. Música tocando agora. Envia texto como mensagens OSC para o VRChat para exibir no avatar. (STTTS) (Speech to TTS) (VRC STT System) (VTuber TTS)

Chatbot de voz local para conversas envolventes, utilizando Ollama, Hugging Face Transformers e Coqui TTS Toolkit.

Projeto que permite usar um microfone com o OpenAI Whisper.

🎤 A maneira mais fácil de transcrever áudio em Swift

Um aplicativo de transcrição de voz por IA 100% privado que converte fala em texto em mais de 100 idiomas. Construído com Compose Multiplatform para Android e iOS usando Whisper AI - sem uploads para a nuvem, todo o processamento ocorre no dispositivo para total privacidade.

Um SDK modular em Swift para processamento de áudio com MLX em Apple Silicon

BiBi Keyboard: um aplicativo de teclado com método de entrada de voz por LLM e ASR para a plataforma Android baseado em Kotlin

Reconhecimento de fala em chinês implementado com base no PaddlePaddle. Projeto completo com excelentes resultados de reconhecimento. Suporta treinamento e predição em Windows e Linux, além de predição na placa Nvidia Jetson.

Uma ferramenta de reconhecimento de fala silenciosa em tempo real.

Executando o modelo de fala para texto (whisper.cpp) no Unity3d em sua máquina local.

Teclado e serviço de reconhecimento de fala privado e executado no dispositivo para Android.