#リアルタイム処理 (20 repos)

RealtimeSTTは、音声アクティビティ検出、高速な文字起こし、リアルタイムテキスト更新、ウェイクワード機能を備えた…

Speech To Speechは、オープンソースモデルを活用してローカルで高度な音声エージェントを構築するためのプロジェク…

HunyuanWorld-Voyagerは、カメラ入力に基づくインタラクティブなRGBDビデオ生成モデルで、リアルタイム3D再構築をサ…

FluxRTは、FLUX.2-klein-4Bモデルを搭載し、消費者向けGPUに最適化されたリアルタイムストリーム編集パイプラインで…

このリポジトリは、Vision-Language Models (VLM) をストリーミングビデオに応用する研究と開発のための、厳選された…

Aurisは、人気ゲームGarry's Modのサーバー向けに開発されたリアルタイム音声文字変換ツールです。プレイヤーのボイ…

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…

このツールは、Claude CodeのAIチャットでClaudeの応答を音声で聞くための、完全にローカルなTTS（Text-to-Speech）…

「Silent Notetaker」は、ブラウザ内で完結するプライベートなAI会議メモ作成ツールです。音声を外部サーバーに送信…

ComfyUI-KittenTTSは、超軽量なKittenTTSテキスト読み上げモデルをComfyUIワークフローに統合するためのカスタムノー…

VibeVoice.swiftは、macOSおよびLinux上でリアルタイム音声処理を実現するアプリケーションです。SwiftとMLXを活用し…

Live Translationは、macOS上でシステムオーディオをリアルタイムでキャプション表示し、任意の言語へ翻訳して、半透…

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…

「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…

NeuTTS-Studioは、Windows向けのローカルテキスト読み上げアプリケーションです。デバイス上で入力されたテキストを…

Ghost Eyeは、単一のRGB画像から屋内の家具を3Dで再構築するシステムです。低VRAMのコンシューマー向けGPU（ピーク時…

VoxCoreは、サブ秒の低遅延で動作するオープンソースのリアルタイム音声AIエンジンです。ASR（自動音声認識）、LLM（…

「Real Time Interview Copilot」は、面接練習や模擬面接、自己レビューのために設計されたオープンソースのElectron…

「SEOSIRI ENOSES CORE ARCHITECT」は、物理的な音響波と光学データをリアルタイムのロボットコマンドに変換するマル…

Speech-MCPは、身体化エージェントやヒューマノイド向けに設計された多機能な音声ゲートウェイです。Alibaba FunASR…