ASR / 音声認識 (164 repos)

GitHubPhobosが開発した「Ech👂 Voice Typing Assistant」は、高速でプライバシーを重視したプッシュトゥトーク方式…

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…

Manor OSの「Minutes」は、ソロ創業者向けに設計されたAI議事録ツールです。会議の録音、リアルタイム文字起こし、AI…

本ツールは、MediaTekのBreeze-ASR-26モデルを基盤とした台湾語（台語）に特化した音声文字起こしツールです。NVIDIA…

Clicky for Windowsは、カーソルの隣に常駐するAIティーチングコンパニオンです。画面の内容を認識し、ユーザーから…

Qwen3-ASR向けのマルチテナントストリーミング自動音声認識（ASR）サーバーです。オリジナルの`qwen-asr-demo-stream…

Course Navigatorは、動画学習に特化した高機能な作業台です。動画リンクやローカル動画から字幕を抽出し、逐語起こ…

hwdsl2/docker-whisper-liveは、faster-whisperを基盤とした自己ホスト型リアルタイム音声テキスト変換サーバーをDoc…

Seamは、会議の録音・文字起こし・要約をローカル環境中心で完結させるmacOS向けアプリです。マイク録音とシステム音…

MavKaは、Telegramと連携するAIボットであり、ローカルで動作するコーディングエージェントです。ChatGPT Plusの代替…

Clipposは、長い動画からキャプション付きのバイラル向けソーシャルクリップを生成するAIエージェントスキルです。He…

whisper-skillは、OpenAI API不要でローカル完結する無料の音声文字変換ツールです。99言語に対応し、Mac/Linux/Wind…

Tastebenchは、ウェブサイト、音楽、ビデオなどのコンテンツの「好み」を定量的に分析し、改善点を提示する自己評価…

VibeRaveは、人気のあるライブコーディング環境Strudelを基盤とし、音声、テキスト、ワンクリックプリセットといった…

ParrotはmacOS向けの高速、無料、プライベートな音声入力ツールです。ショートカットを押すだけで、話した言葉をきれ…

HushはmacOS向けのローカルプッシュトゥトーク音声入力ツールです。指定されたショートカットキー（デフォルトはfnキ…

케케더빙（kekedubing）は、ローカル環境で動作するAI動画翻訳・吹き替えツールです。クリエイターが動画の翻訳と吹…

WonderWhisperは、Androidデバイス向けのオープンソース音声入力アプリです。システムワイドに表示されるフローティ…

Vocaは、WhatsAppなどの音声メッセージを、ChatGPT、Claude、Geminiといったあらゆる大規模言語モデル（LLM）で利用…

DittoはWindows向けに開発された、無料かつオープンソースのローカル音声テキスト変換デスクトップアプリケーション…

VOD Auto Trimmerは、長時間のVODを手動で編集する手間を省くためのマルチスレッドPythonツールです。ローカルAI（Wh…

TypolessはmacOS向けのメニューバーアプリケーションで、グローバルな音声入力を可能にします。ローカルでの自動音声…

「Praxies」は、プライベートなローカルファーストのデスクトップビデオジャーナルアプリケーションです。ユーザーは…

「video-to-brain」は、携帯から送信された動画をAIが分析し、スマートなノートを自動生成してObsidianに保存するツ…