#音声認識 (104 repos)

llamafileは、大規模言語モデル（LLM）を単一の実行可能ファイルとして配布・実行できる革新的なツールです。llama.c…

Handyは、完全にオフラインで動作する無料のオープンソース音声認識デスクトップアプリケーションです。プライバシー…

「SYSTRAN/faster-whisper」は、OpenAIのWhisperモデルをCTranslate2で再実装した高速音声転写ツールです。オリジナ…

FunASRは、エンドツーエンドの音声認識に特化した、研究者と開発者向けのツールキットです。音声認識（ASR）、音声活…

Kaldiは、音声認識技術の開発と研究のための包括的なオープンソースツールキットです。UNIX系OS、Windows、Linuxとい…

Voice-Proは、YouTube動画の処理、音声認識、翻訳、テキスト読み上げ、音声クローン、多言語翻訳を統合したAIパワー…

RunAnywhereは、LLM（大規模言語モデル）、音声認識、音声合成、ボイスアシスタントといったAI機能をデバイス上で完…

RTranslatorは、Androidデバイス向けに設計されたほぼオープンソースの無料リアルタイム翻訳アプリです。このアプリ…

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…

annyangは、ウェブサイトを音声コマンドで制御できるようにする軽量なJavaScript音声認識ライブラリです。わずか2KB…

Argmax Open-Source SDK Swiftは、Apple Siliconデバイス上で動作する高性能なオープンソースAI推論フレームワーク群…

このツールは、OpenAI Whisperの自動音声認識（ASR）機能と高度な話者分離（Speaker Diarization）技術を統合したパ…

Minutesは、会議やボイスメモといった人間の会話を記録し、AIが検索・活用できるオープンソースのプライバシー重視ツ…

MuesliはmacOS 14.2以降に対応した、ローカルで完結する音声入力および会議文字起こしアプリケーションです。Apple S…

Freestyleは、音声を瞬時にテキストへ変換するディクテーションアプリです。ホットキーを押しながら話すだけで、カー…

fcitx5-vinputは、LinuxのインプットメソッドであるFcitx5向けの多機能な音声入力ツールです。ローカルのオフライン…

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…

ComfyUI-Mana-Nodesは、ComfyUI環境向けに開発されたカスタムノードの集合体です。フォントアニメーション、自動音声…

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…

CC-Beeperは、AIコーディングアシスタント「Claude Code」専用のmacOSデスクトップウィジェットです。Claude Codeの…

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…

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…

「AI仮想人ウィジェット」は、Live2Dキャラクターを任意のウェブサイトに簡単に埋め込むことができる音声AIアシスタ…

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、…