stt

Seu segundo cérebro de IA. Auto-hospedável. Obtenha respostas da web ou dos seus documentos. Crie agentes personalizados, agende automações, faça pesquisas profundas. Transforme qualquer LLM online ou local em sua IA pessoal e autônoma (gpt, claude, gemini, llama, qwen, mistral). Comece agora - grátis.

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

Conversão de fala para texto, reconhecimento de intenção e conversão de texto para fala com latência muito baixa, para a criação de agentes e interfaces de voz

Open Vision Agents da Stream. Crie agentes de voz e visão rapidamente com qualquer modelo ou provedor de vídeo. Utiliza a rede de borda da Stream para latência ultrabaixa.

Ferramenta de reconhecimento de voz para texto / Uma ferramenta local para transcrição de áudio e vídeo que roda offline, com saída em JSON, legendas SRT e formato de texto simples

Transcreva qualquer áudio para texto, traduza e edite legendas 100% localmente com uma interface web. Baseado em modelos whisper!

🐸STT - O kit de ferramentas de aprendizado profundo para Speech-to-Text. Treinar e implantar modelos STT nunca foi tão fácil.

🎙 Reconhecimento de fala usando o framework de deep learning tensorflow e redes neurais sequence-to-sequence.

Brinquedos de IA de voz em tempo real com mais de 100 modelos no Arduino ESP32, com WebSockets seguros e Edge Functions para companheiros e dispositivos de IA.

Conheça Ava, o agente para WhatsApp

Aplicativo Speech Note para Linux. Tomada de notas, leitura e tradução com conversão de fala em texto, texto em fala e tradução automática offline.

Aplicativo assistente Dicio para Android.

🍦 Speech-AI-Forge é um projeto desenvolvido em torno de modelos de geração TTS, implementando um servidor de API e uma interface web baseada em Gradio.

Tradução sincronizada para vídeos. Dublagem de vídeo

Uma lista de corpora de fala acessíveis para ASR, TTS e outras tecnologias de fala.

Plataforma de gerenciamento empresarial Java para ESP32 Xiaozhi, oferecendo uma solução integrada de front-end, back-end e servidor para monitoramento de dispositivos, personalização de voz, troca de personagens e gerenciamento de histórico de conversas.

Plugin de IA Gp.nvim (GPT prompt) para Neovim: sessões de ChatGPT, operações de texto/código instruíveis e fala para texto [OpenAI, Ollama, Anthropic, ..].

Tradução de voz em tempo real — macOS e Windows, TTS gratuito, sem servidor, usando apenas suas chaves de API.

Tradução de voz bidirecional em tempo real para reuniões bilíngues — detecta automaticamente o idioma falado e traduz em ambas as direções, via nuvem ou totalmente offline no dispositivo. Desktop (Windows · macOS · Linux) + extensão de navegador (Chrome · Edge) para Zoom, Meet, Teams e qualquer aplicativo.

NobodyWho é um mecanismo de inferência que permite executar LLMs localmente e de forma eficiente em qualquer dispositivo.

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

🎙️ Um assistente de produtividade de voz inteligente que transforma fala em texto limpo, ações úteis e conhecimento estruturado. Ajuda os usuários a capturar ideias, comunicar-se naturalmente, automatizar tarefas repetitivas e manter a produtividade em diferentes aplicativos e fluxos de trabalho.

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)

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

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

MLX Omni Server é um servidor de inferência local alimentado pelo framework MLX da Apple, projetado especificamente para chips Apple Silicon (série M). Ele implementa endpoints de API compatíveis com a OpenAI, permitindo integração perfeita com clientes SDK da OpenAI existentes, enquanto aproveita o poder da inferência de ML local.

Motor de conversão de fala em texto por streaming no dispositivo impulsionado por aprendizado profundo

:speech_balloon: /so.nus/ STT (speech to text) para Node com detecção de palavra-chave offline

Um componente React para tornar a correção de transcrições automatizadas de áudio e vídeo mais fácil e rápida. Por BBC News Labs. - Trabalho em progresso

Hub de tempo de execução C++ ggml para modelos ASR e TTS multilíngues: Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2, etc., além de alinhamento forçado universal e mais