Havuz

SpeakMore：口述成文，划词即译。开源、免费的语音输入与翻译工具，支持 Mac 与 Windows：语音输入、语音翻译、划词翻译。兼容 Gemini、OpenAI、通义千问、DeepSeek、Kimi、智谱 GLM、MiniMax 及任意 OpenAI 兼容服务，语音输入亦

Free offline AI voice studio for Windows — text-to-speech with cloned and built-in voices, and speech recognition with speakers. Russian don

Free offline AI video dubbing studio for Windows — voice cloning, translation, subtitles & on-screen-text localization. 100% local, one nati

audio.cpp, ggml tabanlı ortak bir C++ runtime üzerinden farklı ses modellerinde yerel inference çalıştırmayı sağlayan bir framework’tür.

Neden yükseliyor · 96 günlük yaşına rağmen 3067 yıldızın yanı sıra son 28 günde 272 commit ve 18 farklı yazar görünüyor; bu, README’deki geniş model desteğinin yanında kayda değer bir geliştirme hareketliliğine işaret ediyor. README performans iyileştirmeleri ve yeni model desteği bildiriyor, ancak bu kıyasların bağımsız doğrulaması verilen bilgilerden anlaşılamıyor.

audio.cpp with a full-task WebUI - pure C++ audio-model inference engine powered by ggml. TTS, ASR/STT, VAD, voice conversion, speaker diari

OpenLess, konuşmayı metne dönüştürüp seçilen AI düzenleme moduyla iyileştirerek imlecin bulunduğu uygulamaya ekleyen açık kaynaklı bir sesli giriş uygulamasıdır.

Neden yükseliyor · 153 günlük yaşına karşılık 3.639 yıldız, son 28 günde 88 commit ve 16 farklı yazar kaydı; bu hareketlilik, çapraz platform sesli giriş ve AI ile metin düzenleme ihtiyacına yönelik belirgin ilgiyi gösteriyor. README'deki ürün iddiaları tek başına benimsenme kanıtı sayılmaz; verilen yıldız ve aktivite verileri ise projenin kısa sürede görünürlük kazandığını destekliyor.

Speech synthesis, speech recognition and voice activity detection for voice conversation, in C++ on ggml: Qwen3-TTS, Irodori-TTS, Qwen3-ASR,

All-in-One Multimodal Parsing Engine + Ontology-Powered, LLM Wiki-Driven AI-Ready Knowledge Engine

Open-source voice typing for Windows — a Wispr Flow / Superwhisper alternative. Press a shortcut, speak, and AI-polished text lands at your

Oído, ESP32-S3 üzerinde cloud veya NPU olmadan open-vocabulary speech recognition çalıştırmayı hedefleyen C tabanlı bir ASR motorudur.

Neden yükseliyor · Düşük maliyetli bir mikrodenetleyicide open-vocabulary ASR çalıştırma iddiası ve README’de verilen LibriSpeech sonuçları dikkat çekiyor. Repo 1 günlük ve 46 yıldız almış olsa da son 28 gündeki 6 commit’in tek yazardan gelmesi, ilginin henüz bağımsız benimseme veya sürdürülebilir geliştirme kanıtı olmadığını gösteriyor.

Claude Code / Codex skills that turn a video into a Chinese narration recap (视频解说): scene detection, ASR, VLM, script, TTS, ffmpeg assembly,

Phonon: open speech recognition models (Phonon-2, Phonon-1) — CLI, CPU and CUDA images

Mynah — self-hosted realtime digital human. One GPU, full admin console, Apache-2.0. 自己服务器上的实时数字人系统

日语／英语／中文音视频 → 中文/英文配音与字幕。支持音色克隆、双语混音、RTF 空间处理、人声分离、批量处理和仅字幕导出。JA/EN/ZH media → Chinese/English dubbing & subtitles. Voice cloning, bilingual

hayamimi, specialist ASR modellerini dile göre yönlendirerek CPU üzerinde gerçek zamanlı, çok dilli konuşma dökümü ve canlı altyazı sağlar.

Neden yükseliyor · 34 günlük yaşına karşın 348 yıldız ve son 28 günde 112 commit dikkat çekici ilgi ve geliştirme temposuna işaret ediyor. Ancak bu çalışma 3 farklı yazarla sınırlı; ilginin nedenini veya kalıcı benimsemeyi tek başına kanıtlamıyor.

Arabic-first generative speech recognition — Audar-ASR-V1 (Flash + Turbo). #1 on the Open Universal Arabic ASR Leaderboard. Model cards, ben

Transcribe any video URL or audio file into plaintext. No GPU. No cloud. One command.

An end-to-end framework for multi-speaker transcription that jointly models who spoke, when, and what.

A mental-model-first field guide to Audio AI — from raw waveforms to production voice systems. Covers ASR, TTS, audio classification, Transf

本地优先 AI 语音输入工具 | Local-first AI voice typing tool. 支持 Whisper/SenseVoice/Parakeet/Qwen asr，离线可用，LLM 智能润色. Open-source speech-to-text with LL

Local-first meeting transcription — audio & transcripts never leave your machine. Live captions + upload diarization + voice matching.

MilkyAi at bilibili🥛| Video-to-Notes Email Service with RAG Customer Support & 38K Followers/Users on Bilibili | Python, PostgreSQL, RAG, A

Swift SDK for running chat, vision and speech models on iPhone and Mac with Apple's Core AI. Model download and caching, FoundationModels in