「speech-to-text」に関するオープンソースプロジェクト

画面上に表示され、会議を聞き取り、画面共有では隠れる、独自のAPIキーで使えるmacOS・Windows向けAIコパイロット。

whisper.cppまたはqwen-asrで音声メッセージを文字起こしする、C製のTelegram bot。

クラウド連携または完全オフラインのオンデバイス推論に対応した、デスクトップ・Chrome・Edge向けリアルタイム双方向音声翻訳アプリ。

1,000以上のサイトから動画や音声をダウンロードし、ローカルで文字起こしやAI要約・質疑応答ができるオープンソースのデスクトップアプリ。

646言語に対応した、音声クローン・音声デザイン・動画吹き替え・文字起こしなどを行える完全ローカルのオープンソース音声制作アプリ。

音声のクローン作成、音声生成、あらゆるアプリへの音声入力、AIエージェントの音声化に対応するオープンソースのローカルAI音声スタジオ。

Together AI経由でWhisperを使い、動画やメディアリンクから字幕を生成するNext.jsアプリ。

OpenAIのWhisperを活用し、音声や動画をPC上でオフライン文字起こし・翻訳できるデスクトップアプリ。

TTS、ボイスクローン、音声変換、音楽生成、STT、音声強調をまとめたローカル・オフライン対応の音声処理ツール。

画面上のゲームテキストをOCRで読み取り、AIや無料サービスで翻訳してゲーム上に重ねて表示するWindowsツール。

FastRTC、Superlinked、Twilio、Opik、Runpodを使った電話対応AI音声エージェント構築の実践コース。

スマートフォンやウェアラブル、ロボット、マイコン上でツール呼び出しなどを処理する8〜29 MBの基盤モデル

macOSとWindowsで録音・リアルタイム文字起こし・要約を行う、ローカル優先のオープンソースAI会議アシスタント。