speech-to-text

Bộ sưu tập tài nguyên về ứng dụng của các Mô hình Ngôn ngữ Lớn (LLM) trong Audio AI

Khung nhận dạng giọng nói tự động (ASR) dựa trên PyTorch, hỗ trợ cả chế độ trực tuyến và ngoại tuyến, các mô hình Conformer, Squeezeformer, DeepSpeech2 và nhiều phương pháp tăng cường dữ liệu

Rapida là một nền tảng điều phối AI giọng nói mã nguồn mở, dùng để xây dựng các tác nhân giọng nói hội thoại thời gian thực với tính năng truyền phát âm thanh, STT, TTS, VAD, tích hợp đa kênh, quản lý trạng thái tác nhân và khả năng quan sát.

Trình phân tích ý định Adapt.

Chuyển đổi giọng nói thành văn bản và phụ đề nhập liệu KB cho OBS, VRChat, Twitch chat và Discord

Ví dụ về API giọng nói.

Khung đánh giá hiệu năng chuyển đổi giọng nói thành văn bản

Một ứng dụng máy tính để bàn miễn phí, chạy cục bộ để trích xuất phụ đề (SRT) từ video và dịch sang bất kỳ ngôn ngữ nào — sử dụng không giới hạn, không cần đăng ký, không dùng đám mây.

Nhận dạng giọng nói cho các dự án React Native Expo

Chuyển đổi giọng nói thành văn bản và dịch sang tệp LRC sử dụng Whisper và các LLM (GPT, Claude, v.v.).

Công cụ chuyển đổi giọng nói thành văn bản trực tuyến trên thiết bị dựa trên học sâu

:speech_balloon: /so.nus/ STT (speech to text) cho Node với tính năng phát hiện từ khóa ngoại tuyến

Tạo phần mềm giám sát tự động trong thi cử trực tuyến

Ứng dụng giọng nói nhanh, riêng tư, ưu tiên cục bộ cho máy Mac Apple Silicon — đọc chính tả, chuyển đổi tệp/phương tiện thành văn bản, ghi âm cuộc họp, chuyển đổi và CLI tự động hóa công khai. Miễn phí và mã nguồn mở.

Ứng dụng đọc chính tả trên thanh menu macOS native sử dụng tính năng chuyển đổi giọng nói thành văn bản cục bộ với WhisperKit

C++ ggml runtime hub cho các mô hình ASR và TTS đa ngôn ngữ: Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2, cùng với tính năng căn chỉnh bắt buộc phổ quát và nhiều hơn nữa

Chuyển đổi giọng nói thành văn bản thời gian thực sử dụng faster-whisper.

Bộ gõ (IME) giọng nói mã nguồn mở chạy trên thiết bị cho Android sử dụng thư viện Vosk.

Thư viện Python để giải reCAPTCHA v2 và v3 với Playwright

Pipeline chuyển đổi giọng nói thành văn bản được tối ưu hóa cho mô hình Whisper, hỗ trợ nhiều công cụ suy luận.

Một ngôn ngữ lập trình node mô-đun, trình tạo chương trình, hệ thống hoạt ảnh, bộ công cụ, bộ định tuyến và trình gỡ lỗi được tạo cho VRChat

Một lớp phủ (overlay) lấy quyền truy cập giọng nói của người dùng và chuyển đổi đầu vào thành văn bản trong giao diện tùy chỉnh

Browser-only Canva-style presentation studio, powered by local Web AI.

Công cụ đọc chính tả bằng giọng nói cục bộ, miễn phí, tốc độ cao cho macOS với khả năng chuyển đổi văn bản trên thiết bị

Danh sách API nhận dạng giọng nói tiếng Hàn (STT). Đi kèm đánh giá hiệu năng.

Thư viện nhận dạng giọng nói chạy trên trình duyệt nhờ bản dựng WebAssembly của Vosk

Phonetisaurus G2P

Công cụ sử dụng AI để đánh giá khả năng phát âm của bạn.

Open-source AI voice typing for macOS, Windows, and Linux. Press a hotkey, speak naturally, get polished text in any app.

Phần mềm chuyển đổi âm thanh và video thành văn bản mã nguồn mở