ASR / 音声認識 (333 repos)

ComfyUI Whisperは、OpenAIのWhisperモデルを利用して音声の文字起こしや動画への字幕追加を可能にするComfyUIの拡張…

CrispASRは、whisper.cppを基盤とし、主要なASR（自動音声認識）およびTTS（テキスト読み上げ）モデルのためのC++ gg…

BiliSumは、Bilibili、YouTube、ローカル動画を対象としたAI動画要約・知識ベースツールです。動画コンテンツを検索…

OpenTypelessは、オープンソースのデスクトップAI音声入力ツールです。自然な発話で音声をテキストに変換し、AIが自…

SoulX-Transcriberは、複数の話者が登場する対話シナリオにおいて、話者特定（ダイアライゼーション）、タイムスタン…

v2sは、macOS上で動作するライブバイリンガル字幕ツールです。会議、通話、ストリーム、ビデオなどの際に、マイク入…

ChordVox IMEは、あなたの声を最速のキーボードに変える、完全にローカルで動作するAI音声入力ツールです。アイデア…

Openwhispは、Mac上で完全にローカルに動作する音声認識・テキスト補完ツールです。Fnキーを押しながら話すことで、…

Blitztext Appは、macOS向けの実験的なオープンソースのメニューバーアプリです。ホットキーで音声を録音し、テキス…

このプロジェクトは、オープンソースの音声テキスト化ツールと音声入力ツールの厳選されたリストです。Linux、macOS…

Wisprは、macOSユーザー向けのプライバシーを重視した音声書き起こしアプリケーションです。OpenAI WhisperとNVIDIA …

このプロジェクトは、AI/LLM関連の公開講義、インタビュー、技術記事を中国語でまとめた学習リソースです。合計303の…

このツールは、Anthropicの公式Claude Telegramプラグインを大幅に強化するドロップインアップグレードです。音声メ…

このプロジェクトは、macOS上で「豆包入力法」の優れた無料音声入力機能を、メインの入力法として利用せずに便利に使…

Murmurは、macOS向けの無料オフライン音声テキスト変換ツールです。ホットキーを押している間だけ音声を録音し、離す…

SubForgeは、動画字幕制作を再現性のあるAIパイプラインに変えるために設計されたRust製のコマンドラインインターフ…

HearoPilotは、Androidデバイス上で動作するオンデバイスAI会議アシスタントです。リアルタイムの音声文字起こしとLL…

「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…

subarrは、BazarrやSubgenなどの*arrサブタイトルスタックを連携・管理する品質レイヤーです。メディアライブラリ全…

「crafter/trx」は、Whisperを活用してオーディオやビデオを書き起こすためのエージェントファーストなCLIツールです…

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…

diarizeは、音声ファイルから「誰がいつ話したか」を自動的に識別するPython製のスピーカーダイアリゼーションツール…

AriaTypeは、デスクトップ向けの音声入力ツールで、話した内容をカーソルがある場所に直接テキストとして挿入します…

AriaはWindows向けのAI音声入力ツールで、Qwen3-ASRを基盤とし、全ての音声処理をローカルで完結します。特徴として…