ASR / 音声認識 (144 repos)

「claude-code-auto-video-edit」は、Claude Codeのコマンドとして機能し、口播やチュートリアル動画のAロール粗編集…

MediaScribeは、音声、ビデオ、テキストの文字起こしと、LLMを活用した要約を提供するコマンドラインツールです。そ…

ArcSubは、クラウドサービスとローカルのOpenVINOモデルの両方を活用するエンドツーエンドの字幕翻訳ワークステーシ…

soniqo/speech-androidは、Androidデバイス向けのオンデバイス音声SDKです。ONNX RuntimeとQualcomm NNAPIアクセラレ…

Oraは、macOS向けのリアルタイムローカル音声翻訳アプリケーションです。Apple Silicon Mac上で動作し、全ての処理を…

hwdsl2/docker-whisperは、Docker上で動作する自己ホスト型Whisper音声認識サーバーを提供します。高速なfaster-whis…

このAIエージェントスキルは、旅行で撮影した大量の動画素材から、自動的にVlogを生成します。ユーザーは素材フォル…

このツールは、AIを活用して英語の口語練習を効率的に行うためのWebアプリケーションです。AIとの対話、文章の音読練…

FastWordは、macOSユーザー向けのプライベートでローカルなプッシュトゥトーク音声入力アプリケーションです。ホット…

Echoicは、AIを活用した発話練習ツールです。任意の音声ファイルをインポートし、文章ごとに発話練習を行い、音素レ…

Dictlyは、macOS向けの無料オープンソースのメニューバー音声入力アプリです。Apple Silicon搭載Macで、グローバルホ…

このTypelessMLXは、macOS向けの音声文字変換（ディクテーション）アプリケーションです。Apple Silicon向けに最適化…

VRChat向けデスクトップリアルタイム翻訳ツール「Mio RealTime Translator」は、VRChatでの国際交流を支援します。主…

franken_whisperは、Rust製の先進的な自動音声認識（ASR）オーケストレーションスタックです。whisper.cpp、insanely…

ArionTalkは、ウェブページに音声AIエージェントを追加するツールです。ユーザーがウェブページと自然な会話をできる…

このツールは、TypeScriptで書かれたマルチモーダルAIエージェントで、画像、音声、テキストを組み合わせて処理でき…

AXONは、チャットボットではなく、生物学的にインスパイアされた学習型AIシステムです。セッション間で永続的な記憶…

Pixel Petsは、M5Stackハードウェア上で動作するオープンソースのバーチャルペットエコシステムです。Muffin（LLM搭…

OpenQuackはmacOS向けの音声文字変換メニューバーアプリです。ホットキーを押して話すだけで、話した内容がカーソル…

「YouTube Shorts Bot」は、YouTubeショート動画のURLを処理し、AI（LLMとオプションのVision機能）を活用して動画か…

「codex-asr」は、Codex DesktopやChatGPTにログイン済みのローカルアカウントを再利用して、一度限りの音声認識（AS…

このスキルは、Claude AIに動画を「視聴」させ、タイム同期された文字起こしと自動スケーリングされた静止画を組み合…

TypeLateは、macOSとWindows向けに開発された無料かつオープンソースの音声テキスト変換ツールです。ホットキー一つ…