Proyectos open source sobre «speech-to-text»

Copiloto de IA de código abierto para macOS y Windows que flota sobre la pantalla, escucha reuniones y se oculta al compartir pantalla, con tu propia clave de API.

Bot de Telegram escrito en C que transcribe mensajes de voz a texto con whisper.cpp o qwen-asr.

App de traducción de voz bidireccional en tiempo real para reuniones bilingües, con proveedores en la nube o inferencia totalmente local, para escritorio y Chrome/Edge.

Aplicación de escritorio de código abierto para descargar video y audio de más de 1000 sitios, transcribirlos localmente y generar resúmenes o responder preguntas con IA.

Estudio de voz de código abierto y totalmente local para clonar y diseñar voces, doblar videos, dictar, transcribir y crear audiolibros en 646 idiomas.

Estudio de voz con IA local y de código abierto para clonar voces, generar voz, dictar en cualquier aplicación y dar voz a agentes de IA.

Aplicación web de Next.js que genera subtítulos sincronizados a partir de videos subidos o enlaces a archivos multimedia con Whisper mediante Together AI.

Aplicación de escritorio que transcribe y traduce audio y video sin conexión en tu computadora, con tecnología de Whisper de OpenAI.

Herramienta local y sin conexión para procesar voz que combina TTS, clonación de voz, conversión de voz, generación de música, STT y mejora de voz en una CLI/GUI.

Herramienta para Windows que detecta el texto de los juegos en pantalla con OCR, lo traduce mediante IA o servicios gratuitos y muestra la traducción superpuesta.

Curso práctico para crear un centro de llamadas con agentes de voz con IA usando FastRTC, Superlinked, Twilio, Opik y Runpod.

Un modelo fundacional de 8-29 MB para teléfonos, wearables, robots y microcontroladores que gestiona llamadas a herramientas, extracción estructurada, embeddings y voz a texto en el dispositivo.

Asistente de reuniones con IA, de código abierto y local, que graba, transcribe en tiempo real y genera resúmenes en macOS y Windows.