ASR / 音声認識 (365 repos)

このツールは、TikTokのURLから動画のメタデータ、完全な文字起こし、シーンのキーフレーム、画面上のOCRテキストを…

Parleyは、音声指示型Vision-Language-Action（VLA）パイプライン向けのベンチマークツールキットです。このツールは…

LiveKit Voice AI Starterは、ブラウザ上でAIエージェントとリアルタイムで音声対話を行うためのフルスタックなスタ…

One-Key Inputは、特定のキーを押しながら話すだけで、AIが文脈を理解して洗練されたテキストをカーソル位置に直接入…

Ariaは6〜17歳の子ども向けに設計されたデスクトップAIコンパニオンアプリです。ローカルで動作し、データプライバシ…

このプロジェクトは、音声感情認識（SER）におけるテキストのみ（RoBERTa）、音声のみ（wav2vec2/WavLM/HuBERT）、お…

Deckleは、ローカルファーストのWindowsユーティリティで、ホットキーによる音声文字起こし、リアルタイム画面キャプ…

このVoice-RAG-Assistantは、Python、Groq LLM、Whisper、Google Generative AIを活用した音声対応のRetrieval-Augme…

Hotkeysは、AIを活用してあらゆるアプリケーションでのテキスト編集作業を劇的に効率化するホットキーアプリです。選…

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…

Universal Captionsは、Groq Whisper APIを活用し、任意のChromeブラウザタブでリアルタイムの音声テキスト変換キャ…

Voxiは、Instagram、YouTube、TikTok、X、Facebookといったソーシャルメディアの動画をローカル環境で文字起こしする…

MeetMindは、AIを活用した会議レコーダーで、会議の録音、文字起こし、要約を完全オフラインで提供します。APIキーは…

WhispyAIは、macOS向けのメニューバーユーティリティで、Appleの音声認識を使いテキストを口述筆記し、AIで洗練され…

LiveAudioは、ストリーマーやコンテンツクリエイター向けのリアルタイム自動音声認識（ASR）字幕生成ツールです。Ope…

Hybrid RAGとWhisper ASRを組み合わせたスマート着信分類処理システムです。ユーザーが授業中など電話に出られない状…

S.A.R.A（Smart Autonomous Response Assistant）は、Pythonで構築された、JARVISにインスパイアされた完全音声制御…

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…

このツールは、Obsidian向けの音声カプセルレコーダープラグインです。iOSのボイスメモに似たUIでノート内に音声を録…

「Voice Sentiment AI」は、音声とテキストの両方からリアルタイムで感情やセンチメントを分析するAI搭載のWebアプリ…

macOS向けのプライベートなローカルファーストの通話・会議録音ツール「CallCapture」は、Google Meet、Zoom、Teams…

macOS向けのプライバシーを重視した自己ホスト型音声入力ツールです。ホットキーを押しながら話すことで、音声をテキ…

本ツールは、Windows向けの軽量な音声入力アシスタントです。フローティングボタンのクリックで録音を開始・停止し、…

Lumina AIは、Next.jsとFastAPIを組み合わせ、Whisper ASR、OmniVoice TTS、Qwen LLM、SDXL画像生成を統合したマルチ…