transcription

Trợ lý họp AI ưu tiên quyền riêng tư với bản ghi âm trực tiếp Parakeet/Whisper nhanh hơn 4 lần, phân đoạn người nói và tóm tắt bằng Ollama được xây dựng bằng Rust. Xử lý cục bộ 100%, không cần đám mây.

Bộ công cụ nhận dạng giọng nói nguồn mở dành cho huấn luyện, suy luận, streaming ASR, VAD, dấu câu, pipeline phân đoạn người nói (speaker diarization) và phục vụ tương thích với OpenAI/MCP.

VoiceStudio là giải pháp thay thế ElevenLabs mã nguồn mở, chạy hoàn toàn cục bộ — nhân bản giọng nói, thiết kế giọng nói, lồng tiếng video, đọc chính tả, chuyển đổi văn bản thành giọng nói và tạo sách nói bằng 646 ngôn ngữ.

AI quan sát màn hình của bạn, lắng nghe các cuộc trò chuyện và hướng dẫn bạn phải làm gì

Gradio WebUI dành cho người sáng tạo và nhà phát triển, tích hợp các tính năng TTS chính (Edge-TTS, kokoro) và nhân bản giọng nói zero-shot (E2 & F5-TTS, CosyVoice), xử lý âm thanh Whisper, tải xuống YouTube, tách giọng hát Demucs và dịch đa ngôn ngữ.

Mô hình SenseVoiceSmall mã nguồn mở cho ASR tiếng Quan Thoại, Quảng Đông, Anh, Nhật và Hàn, nhận diện ngôn ngữ, cảm xúc và sự kiện âm thanh.

Công cụ chuyển biên video, tạo phụ đề và cắt ghép video hỗ trợ bởi LLM, hoạt động dựa trên FunASR với giao diện Gradio cục bộ.

Bộ chuyển đổi audio sang MIDI nhẹ nhưng mạnh mẽ với tính năng phát hiện pitch bend

Tạo phụ đề trên thiết bị kết nối trực tiếp với DaVinci Resolve, Premiere và After Effects.

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!

Hệ thống chuyển đổi giọng nói thành văn bản bằng AI tự lưu trữ

GIỌNG NÓI → TỪ VỰNG

API phiên âm cuộc họp mã nguồn mở cho Google Meet, Microsoft Teams & Zoom. Bot tự join, bản ghi WebSocket thời gian thực, máy chủ MCP cho AI agent. Tự host hoặc sử dụng dịch vụ SaaS.

🔊 Danh sách tổng hợp tuyệt vời cho Whisper — hệ thống nhận dạng giọng nói tích hợp AI mã nguồn mở do OpenAI phát triển

Các mô hình AI được huấn luyện sẵn, có thể kiểm soát và chạy cục bộ bằng Rust

Công nghệ AI tiên tiến giúp chuyển đổi âm thanh thành văn bản tự động. Giao diện đồ họa tuyệt vời cho OpenAI Whisper và pyannote (nhận diện người nói)

Cho phép Claude (hoặc bất kỳ LLM nào) thực sự xem video — nhận biết cảnh, loại bỏ khung hình trùng lặp + bản ghi lời thoại, từ URL hoặc tệp cục bộ. Chạy cục bộ, giấy phép MIT.

Một gói python để xây dựng các ứng dụng âm thanh thời gian thực được hỗ trợ bởi AI

Trình chỉnh sửa âm thanh lời nói tích hợp tự động chuyển âm thanh thành văn bản.

Chuyển đổi giọng nói thành văn bản cục bộ cho macOS trên thiết bị AI, hoàn toàn riêng tư, có đám mây tùy chọn

Plugin OBS dành cho nhận diện giọng nói và tạo phụ đề cục bộ sử dụng AI.

🎙️ Ứng dụng đọc chính tả AI - Mã nguồn mở và ưu tiên cục bộ ⚡ Gõ nhanh hơn 3 lần, không cần bàn phím. 🆓 Được hỗ trợ bởi các mô hình mã nguồn mở, hoạt động ngoại tuyến, nhanh chóng và chính xác.

GUI đơn giản cho Piano Transcription với Pedals của ByteDance

Dòng mô hình ASR dựa trên LLM mã nguồn mở cho tiếng Trung, phương ngữ, tiếng địa phương và giọng nói đa ngôn ngữ, với các thời gian chạy FunASR, vLLM, streaming và llama.cpp.

Mọi cuộc họp, mọi ý kiến, mọi ghi chú giọng nói, có thể tìm kiếm bằng AI của bạn. Lớp bộ nhớ cuộc trò chuyện mã nguồn mở, ưu tiên quyền riêng tư.

Ứng dụng Whisper hỗ trợ đa backend. Cực kỳ nhanh. Tối ưu hóa cho Mac-arm. Dễ dàng cài đặt. Nhập tệp cục bộ hoặc URL và dịch vụ này sẽ chuyển nó thành văn bản bằng Whisper AI. Hoàn toàn riêng tư và miễn phí 🤯🤯🤯

Bản ghi âm có thể điều khiển. Nguyên văn (mọi từ đệm, khoảng dừng, lắp bắp, âm thanh phát ra), hoặc theo ý định (ý người nói muốn diễn đạt, được tối ưu hóa cho khả năng đọc) với dấu thời gian ở cấp độ từ.

「Hardcore Hacker - Hành trình thực tế đạt $12000 ARR trong hai tháng」 do đội ngũ Hardcore Hacker biên soạn, là bản ghi chép trung thực về quá trình phát triển sản phẩm Podwise: nội dung bao gồm năm chương: Ý tưởng - Xây dựng - Phát hành - Tăng trưởng - Đánh giá. Nếu bạn muốn thảo luận cùng các chuyên gia, hãy tham gia cộng đồng chính thức của Hardcore Hacker! Câu chuyện của Podwise chỉ mới bắt đầu, chúng tôi sẽ tiếp tục chia sẻ kiến thức của mình; thành công có thể không sao chép được, nhưng thất bại chắc chắn là bài học quý giá. Nhấp vào liên kết bên dưới để tham gia ngay!

Tạo phụ đề từ video và âm thanh, xuất file srt. Không cần API bên thứ ba, chuyển giọng nói thành văn bản cục bộ. Framework tạo phụ đề video dựa trên Transformer. Công cụ GUI để tạo phụ đề từ video và file srt.