Havuz

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.

AI 视频解说全流程 skill 包：自动切镜头、看画面写解说词、配音合成成片，支持一键导出可编辑的剪映/CapCut 草稿，无需 GPU ｜ Agent skills that turn videos into narrated recaps & editable CapCut

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

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.

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.

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

macOS AI 会议纪要助手，支持麦克风与系统音频录制、实时转录和选择预设提示词生成会议纪要。

听记 (Tingji) — 本地会议录音转写与纪要，FunASR + LLM，数据不出本机。Local meeting transcription & minutes, runs entirely offline.

AI驯剪 — AI 自动剪辑视频：转写/剪气口/语义动效自动初剪 + 可视化 AI 视频编辑器人工定剪，开源闭环 | AI rough-cut + human final-cut video editing system

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

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

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

Privacy-conscious, open-source AI voice typing for Windows.

Kesha listens and talks back: local speech to text and text to speech for agents and scripts, fastest on Apple Silicon.

Compare two local Persian (Farsi) speech-to-text models side by side: a Persian Whisper fine-tune vs. general large-v3, on Apple Silicon.

Turn raw footage into brand-ready, platform-optimized video with one command. Local-first: FFmpeg + WhisperX/MLX + Ollama.

Official Repo for "AgenticASR: Refining Speech Recognition in Real-World Scenarios via an Agentic Approach"

Unofficial Rust CLI/library and local Whisper-compatible REST shim for Codex Desktop ASR using local ChatGPT auth

中文 AI 语音输入工具：按快捷键说话，在任意应用把口述变成去口头语、可分段和结构化的文字；支持用户词典、中文转英文和自选 ASR/LLM。

Self-hosted meeting transcription portal — speech-to-text, speaker diarization, LLM-corrected transcripts, structured summaries and Word min

Generate degraded speech datasets for noise-robust ASR benchmarking

CLI for audio, video, and text transcription with ASR providers and LLM-powered summarization via local or cloud backends.

ML model ports (ASR · TTS · LLM · VLM · vision · audio codecs) on the rlx multi-backend compiler + runtime — CPU/Metal/MLX/CUDA/wgpu

Public Python SDK, CLI, and MCP server for extracting metadata, text, timed transcripts, media, and supported comments from Douyin, RedNote,

Streaming ASR, audio captioning and speech QA over a whisper-style encoder with pluggable LLM backends

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