whisper

🍦 Speech-AI-Forge 是一個圍繞 TTS 生成模型開發的專案，實作了 API 伺服器與基於 Gradio 的 WebUI。

在配備 Apple Silicon 的 Mac 上微調 LLMs。支援 SFT、DPO、GRPO、Vision、TTS、STT、Embedding 與 OCR 微調 —— 基於 MLX 原生實現。相容 Unsloth API。

多後端 whisper 應用程式。極速執行。針對 Mac-arm 最佳化。安裝簡單。輸入本機檔案或網址，此服務將使用 Whisper AI 進行轉錄。完全私密且免費 🤯🤯🤯

可控制的轉錄。逐字（包含每個填補詞、停頓、口吃、聲音）或意圖（說話者想表達的意思，針對可讀性優化），並帶有單詞級別的時間戳記。

與 Claude Code 進行自然語音對話

基於 CTranslate2、相容於原始 OpenAI 用戶端的 Whisper 命令列用戶端。

Gp.nvim (GPT prompt) Neovim AI 外掛：ChatGPT 對話與可指令化的文字/程式碼操作與語音轉文字 [OpenAI, Ollama, Anthropic, ..]

MTools 是一個功能強大的多功能桌面應用程式，集成了音視頻處理、圖片編輯、文本操作和編碼工具，內置AI增強功能。旨在簡化您的工作流程，提升生產效率

賦予 Claude 觀看與理解影片的能力 — 具有影格擷取與多模態語音分析的 Claude Code 外掛程式

Whisper 是 Graphite 的檔案型時間序列資料庫格式。

適用於 Kubernetes 的 AI 推論運算子。在生產環境中提供 ML 模型服務的最簡單方式，支援 VLM、LLM、嵌入與語音轉文字。

微調 Whisper 語音辨識模型，支援無時間戳資料訓練、有時間戳資料訓練以及無語音資料訓練。加速推論並支援 Web 部署、Windows 桌面部署與 Android 部署

在生產環境中提供 AI/ML 模型服務的最簡單方式

Linux 的原生語音轉文字 - 快速、準確、隱私且可高度自訂的全域聽寫系統

影片音訊生成字幕，生成 srt 檔案。無需申請第三方 API，本地實現音訊轉文字。基於 Transformer 的影片字幕生成框架。A GUI tool for generating subtitle from videos and generating srt files.

一個支援 30 多種生成式 AI 的自架網頁介面

用於在 Youtube/Twitch 上進行串流直播的 AI Vtuber

這是一款開源的 iOS 應用程式，讓行動裝置上的高品質語音轉錄變得更容易取得。

💬📝 使用 OpenAI 的 Whisper 語音辨識模型的輕量語音聽寫應用程式。

開源語音聽寫技術

Whisper-Flow 是一個旨在利用 OpenAI 的 Whisper 模型實現音訊內容即時轉錄的框架。Whisper-Flow 不會在上傳後處理整個檔案（「批次模式」），而是接收連續的音訊片段串流並立即產生漸進式的逐字稿。

開箱即用的自架離線轉錄與語者識別服務，並附帶 LLM 摘要

OpenCluely 是一個免費、開源的 Cluely 替代品，專為技術面試（如 DSA、OA 和 CP）而建。它提供隱形覆疊、即時 AI 協助、用於題目擷取的智慧影像處理，以及多語言支援：100% 可自訂且具隱私性。

此專案提供具備使用者層級存取支援的 API，使用微調並處理過的 Whisper ASR 模型將語音轉為文字。

C# Twitch Chat、Whisper、API 與 PubSub 函式庫。支援聊天、私訊、串流事件訂閱以及頻道/帳號修改。支援所有支援 .NETStandard 2.0 的平台

批量為本地影片產生字幕檔案，並可將字幕檔案翻譯成其它語言，跨平台支援 Windows、Mac 系統

在幾秒鐘內從影片中產生字幕、摘要與章節

一個非官方的 OpenAI Unity Package，旨在協助你在 Unity 遊戲引擎中直接使用 OpenAI API。

使用 OpenAI 的 Whisper 建立即時語音轉文字網頁應用程式 https://openai.com/blog/whisper/

採用經典架構的 Graphite/Carbon 伺服器 Golang 實作：Agent -> Cache -> Persister