ASR / 音声認識 (144 repos)

Panakoesは、音声のキャプチャ、文字起こし、AIによるインサイト抽出を提供するオープンソースのクラウドプラットフ…

Story Potは、家族やチームの伝統や思い出を音声や動画で記録し、文字起こしして永続的に保存するモバイルファースト…

本ツールは、AIを活用した模擬試験シミュレーターであり、論文のPDFや履歴書をアップロードすることで、AIが厳しい質…

VoiceGPTは、GPT-4oとDALL·E 3を搭載した音声制御AIアシスタントです。ユーザーは「hello」というウェイクワードでア…

「kokkai-webtv-captions」は、国立国会図書館の国会会議録が公式に公開されるまでの未収録期間を埋めるための個人用…

voxlineは、macOS向けのネイティブ音声入力アプリです。ホットキーを押しながら話すだけで、あなたの声を洗練された…

Perihelionは、VRChat向けに設計された音声認識（ASR）アプリケーションです。VRChatとOSCを介して連携し、ユーザー…

MeetScribe AIは、Python、Whisper、WebSocket、Next.jsを組み合わせたAI搭載のリアルタイム会議アシスタントです。…

TypelessMLXは、Apple Silicon搭載Mac向けに設計された音声認識アプリケーションです。ユーザーの音声をローカルでテ…

このプロジェクトは、個人のオーディオジャーナルをローカル環境で書き起こし、要約するためのプログラムです。Windo…

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…

Openflowは、Windowsデスクトップ向けに設計されたディクテーションアプリです。ユーザーが`Ctrl + Win`を押している…

「The Earful Tower」は、ローカル環境で動作する高性能な音声文字起こし・話者分離ツールです。Whisper large-v3モ…

BoltScribeは、macOS向けの軽量な音声入力アプリケーションです。グローバルホットキーを使ってどこからでも音声の録…

noisekitは、自動音声認識（ASR）システムのロバスト性ベンチマークのために、ノイズ層別化された音声データセットを…

carefulWhisperは、FastAPIとfaster-whisperを基盤とした、ローカルで動作する高速な音声認識（Speech-to-Text）バッ…

Open-studioは、デジタルクリエイターのコンテンツ制作ワークフローを効率化するためのオープンソースワークスペース…

「拾字 · Voicetype Studio」は、動画をテキストに変換し、ローカルでダウンロード・処理を行うmacOS向けのツールで…

claudegramは、AI（Claude Code）を活用して個人のTelegramアカウントを高度に制御・自動化できるデスクトップアプリ…

「AI-VERSE」は、PythonとNLP、HuggingFace Transformers、PyTorchなどの主要なAIライブラリを活用して開発された、…

本ツールは、YouTube Shorts、TikTok、Reelsなどの短尺動画コンテンツ向けに、AIを活用しワードレベルで高精度なSRT…

liqaa-meetは、ユーザーが自分のハードウェア上でホストすることで、プライバシーとデータ主権を確保できるオープン…

Meeting Auto Summaryは、会議の音声や動画を構造化された成果物（話者分離された文字起こし、字幕、要約、レポート…

Translarrは、Sonarr、Radarr、Emby、Jellyfin、Plexといったarrスタックと連携するセルフホスト型のDockerコンテナ…