transcription

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.

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.

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.

IA que observa sua tela, ouve suas conversas e orienta suas ações.

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.

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.

Um conversor de áudio para MIDI leve e poderoso com detecção de pitch bend

Geração de legendas no dispositivo que se conecta diretamente ao DaVinci Resolve, Premiere e After Effects.

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

Transcrição de áudio por IA auto-hospedada

VOZ → PALAVRAS

API de transcrição de reuniões de código aberto para Google Meet, Microsoft Teams e Zoom. Bots de entrada automática, transcrições WebSocket em tempo real e servidor MCP para agentes de IA. Auto-hospedado ou via SaaS.

Lista incrível para o Whisper — um sistema de reconhecimento de fala de código aberto baseado em IA desenvolvido pela OpenAI

Modelos de IA pré-treinados locais, instantâneos e controláveis em Rust

Tecnologia de IA de ponta para transcrição de áudio automatizada. Uma interface gráfica intuitiva para o Whisper da OpenAI e o pyannote (identificação de falante)

Permita que o Claude (ou qualquer LLM) assista a um vídeo — com reconhecimento de cena, quadros deduplicados e transcrição, a partir de uma URL ou arquivo local. Executado localmente, sob licença MIT.

Um pacote Python para criar aplicações de áudio em tempo real com IA

Um editor para áudio falado com transcrição automática

Conversão de fala em texto local para macOS usando IA no dispositivo, totalmente privada, com nuvem opcional.

Plugin OBS para reconhecimento de fala local e legendagem usando IA.

🎙️ Aplicativo de Ditado por IA - Código Aberto e Local-first ⚡ Digite 3x mais rápido, sem precisar de teclado. 🆓 Desenvolvido com modelos de código aberto, funciona offline, de forma rápida e precisa.

GUI simples para a transcrição de piano com pedais da ByteDance.

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.

Cada reunião, ideia e nota de voz, pesquisável pela sua IA. Camada de memória de conversação de código aberto e focada em privacidade.

Aplicativo Whisper com múltiplos backends. Extremamente rápido. Otimizado para Mac-arm. Instalação fácil. Insira um arquivo local ou URL e este serviço fará a transcrição usando Whisper AI. Completamente privado e gratuito.

Transcrição controlável. Verbatim (cada palavra, preenchimento, pausa, gagueira, som vocal) ou pretendida (o que o falante quis dizer, otimizado para legibilidade) com carimbos de data/hora em nível de palavra.

Hardcore Hacker - A jornada prática de $12.000 de ARR em dois meses é um livro escrito pela equipe Hardcore Hacker, registrando fielmente a trajetória do produto Podwise: o conteúdo inclui cinco capítulos: Inspiração, Construção, Lançamento, Crescimento e Revisão.

Geração de legendas para vídeo e áudio com criação de arquivos srt. Implementação local de conversão de áudio para texto sem necessidade de APIs de terceiros. Framework de geração de legendas baseado em Transformer. Uma ferramenta GUI para gerar legendas a partir de vídeos e criar arquivos srt.