「speech-recognition」に関するオープンソースプロジェクト

OpenAI WhisperでYouTube動画やローカルの音声・動画ファイルを文字起こしするセルフホスト型Webアプリ。

視覚・音声・NLP・LLMをカバーする419種類の事前学習済みAIモデル集。重みを自動ダウンロードし、簡単なCLI操作で実行できます。

YouTubeのダウンロード、ボーカル分離、Whisper字幕、翻訳、音声クローニング付きTTSに対応するWindows向けGradioアプリ。

話す言葉に合わせて原稿を1語ずつハイライトする、Dynamic Island風オーバーレイ付きの無料macOSテレプロンプター。

RustとTauriで作られた軽量なWindows向けテレプロンプター。常に最前面に表示する読み上げオーバーレイ、音声トラッキング、任意のGroq対応スクリプト生成機能を備えています。

キーを押しながらWebカメラに向かって口を動かすと、無音の読唇入力をカーソル位置に貼り付けられます。処理はローカルで実行されます。

Claude ProまたはMaxのプランで使える、APIキー不要の無料オープンソースmacOS音声アシスタント。

Ollamaを使い、YouTubeライブ配信にリアルタイムの英中翻訳字幕を表示するChrome拡張機能とローカルPythonサービス。