stt

Bộ não thứ hai AI của bạn. Có thể tự lưu trữ (self-host). Nhận câu trả lời từ web hoặc tài liệu của bạn. Xây dựng agent tùy chỉnh, lên lịch tự động hóa, thực hiện nghiên cứu sâu. Biến bất kỳ LLM trực tuyến hoặc cục bộ nào thành AI tự trị cá nhân của bạn (gpt, claude, gemini, llama, qwen, mistral). Bắt đầu - miễn phí.

API nhận diện giọng nói ngoại tuyến cho Android, iOS, Raspberry Pi và máy chủ với Python, Java, C# và Node

Chuyển đổi giọng nói thành văn bản, nhận dạng ý định và chuyển đổi văn bản thành giọng nói với độ trễ rất thấp, dùng để xây dựng các agent và giao diện giọng nói

Open Vision Agents bởi Stream. Xây dựng các tác nhân giọng nói và tầm nhìn nhanh chóng với bất kỳ mô hình hoặc nhà cung cấp video nào. Sử dụng mạng biên của Stream để đạt độ trễ cực thấp.

Công cụ nhận diện giọng nói thành văn bản / Công cụ chuyển đổi âm thanh và video cục bộ chạy ngoại tuyến thành phụ kiện, hỗ trợ xuất định dạng json, phụ đề srt và văn bản thuần túy

Chuyển đổi mọi âm thanh thành văn bản, dịch và chỉnh sửa phụ đề hoàn toàn ngoại tuyến với giao diện web UI. Được hỗ trợ bởi các mô hình whisper!

🐸STT - Bộ công cụ học sâu cho Speech-to-Text. Việc huấn luyện và triển khai các mô hình STT chưa bao giờ dễ dàng đến thế.

🎙 Nhận dạng giọng nói sử dụng framework học sâu tensorflow, mạng thần kinh chuỗi-sang-chuỗi (sequence-to-sequence)

Đồ chơi AI giọng nói thời gian thực với hơn 100 mô hình trên Arduino ESP32 sử dụng Secure Websockets và Edge Functions dành cho các thiết bị và bạn đồng hành AI.

Gặp gỡ Ava, Tác nhân WhatsApp

Ứng dụng Speech Note trên Linux. Ghi chú, đọc và dịch với tính năng Chuyển giọng nói thành văn bản, Chuyển văn bản thành giọng nói và Dịch máy ngoại tuyến.

Ứng dụng trợ lý Dicio cho Android

🍦 Speech-AI-Forge là một dự án phát triển xung quanh mô hình tạo TTS, tích hợp API Server và WebUI dựa trên Gradio.

Dịch đồng bộ cho video. Lồng tiếng video

💎 Danh sách các kho ngữ liệu giọng nói có thể truy cập cho ASR, TTS và các Công nghệ Giọng nói khác

Nền tảng quản lý cấp doanh nghiệp bằng Java cho Xiaozhi ESP32, cung cấp giải pháp tích hợp front-end, back-end và server cho giám sát thiết bị, tùy chỉnh âm sắc, chuyển đổi vai trò và quản lý nhật ký trò chuyện

Plugin Neovim Gp.nvim (GPT prompt) AI: Phiên ChatGPT & Thao tác văn bản/mã có thể hướng dẫn & Chuyển giọng nói thành văn bản [OpenAI, Ollama, Anthropic, ..]

Dịch giọng nói thời gian thực — macOS & Windows, TTS miễn phí, không cần máy chủ, chỉ dùng khóa API của bạn

Dịch giọng nói hai chiều thời gian thực cho các cuộc họp song ngữ — tự động phát hiện ngôn ngữ nói và dịch theo cả hai hướng, qua đám mây hoặc hoàn toàn ngoại tuyến trên thiết bị. Hỗ trợ Desktop (Windows · macOS · Linux) và tiện ích mở rộng trình duyệt (Chrome · Edge) cho Zoom, Meet, Teams và mọi ứng dụng.

NobodyWho là một công cụ suy luận cho phép bạn chạy LLMs cục bộ và hiệu quả trên mọi thiết bị.

Trợ lý giọng nói thông minh chuyển đổi lời nói thành văn bản rõ ràng, các hành động hữu ích và kiến thức có cấu trúc. Giúp người dùng ghi lại ý tưởng, giao tiếp tự nhiên, tự động hóa các tác vụ lặp lại và duy trì năng suất trên các ứng dụng và quy trình làm việc khác nhau.

Lobe TTS - Thư viện TTS/STT chất lượng cao và đáng tin cậy cho máy chủ và trình duyệt.

Chuyển đổi giọng nói thành văn bản rồi thành giọng nói (Speech to Text to Speech). Gửi văn bản dưới dạng thông điệp OSC tới VRChat để hiển thị trên avatar.

SDK Swift dạng mô-đun để xử lý âm thanh với MLX trên Apple Silicon

Chạy mô hình chuyển đổi giọng nói thành văn bản (whisper.cpp) trong Unity3d trên máy cục bộ của bạn.

MLX Omni Server là một máy chủ suy luận cục bộ được vận hành bởi framework MLX của Apple, được thiết kế đặc biệt cho các chip Apple Silicon (dòng M). Nó triển khai các điểm cuối API tương thích với OpenAI, cho phép tích hợp liền mạch với các ứng dụng khách SDK OpenAI hiện có trong khi tận dụng sức mạnh của suy luận ML cục bộ.

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

Một thành phần React giúp việc chỉnh sửa các bản ghi âm và video tự động trở nên dễ dàng và nhanh chóng hơn. Bởi BBC News Labs. - Đang trong quá trình phát triển

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