Havuz

VoiceStudio, yerel speech modellerini masaüstü uygulamasında voice cloning, text-to-speech, transcription ve video dubbing gibi iş akışlarıyla bir araya getiriyor.

Neden yükseliyor · 171 günde 37.761 yıldıza ulaşması dikkat çekici kullanıcı ilgisine işaret ediyor; kapsamlı yerel voice iş akışları ve ElevenLabs alternatifi olarak konumlanması bu ilgiyi açıklayabilir. Son 28 gündeki 1.505 commit yüksek aktivite gösterse de yalnızca 6 farklı yazar görünmesi, bu hareketin geniş katkıcı tabanına yayıldığını kanıtlamıyor.

Local voice dictation for mac, windows and linux

Build AI phone agents on your own computer and test every change with an AI caller. Open source, runs free with no API keys, cents per call

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.

An autonomous, context-aware AI desktop companion. Built with Python, featuring real-time screen vision, custom ONNX voice synthesis, active

OpenScreen, ekran kaydını düzenleyip ürün demosu veya anlatımlı videoya dönüştüren açık kaynaklı bir masaüstü uygulamasıdır.

Neden yükseliyor · 197 günlük depoda 3272 yıldıza ulaşmış; son 28 günde 598 commit ve 7 farklı yazar aktivitesi var. Ücretsiz, açık kaynaklı ve çok platformlu bir demo kayıt/düzenleme akışını; yerel transkripsiyon ve CLI desteğiyle bir arada sunması ilgiyi artırmış olabilir. Yıldız ve commit sayıları tek başına ürün kalitesini kanıtlamaz.

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.

Free, open-source, local-first dictation app for macOS. Hold a shortcut, speak, and text is typed into any app. On-device speech-to-text wit

OpenMinutes · 录音笔工作台：MemoTalk S1 录音的导入 · 转录 · AI 归类 · 检索复盘（Floatboat Workbench 开源实现）

Whistle speech-to-text running fully on an ESP32-S3: hold a button, say a colour in one of 7 languages, the LED does it. No network.

Portable local AI studio for Windows, Linux, and macOS. Zero-setup GUI for Image Generation, GGUF LLMs, Text to Speech & Speech to Text

和《偶像大师 闪耀色彩》偶像实时语音/文字对话的 AI 分身：日语原声 + 中文字幕、回忆原作剧情、跨角色共享记忆；支持 Google/GitHub 登录与自带密钥，Docker Compose 一键部署（参考 LAPLACE Eidolon）

Speech, voices, stories, audiobooks, dubbing and transcription, made on your Mac. Free and open source.

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

把电脑或麦克风声音转成实时翻译字幕。Live translated subtitles from computer or microphone audio.

Hardware mouse MCP server for AI agents on Windows x64. USB HID control and voice dictation; requires compatible uMouse hardware and firmwar

Open-source, local-first Granola/Otter alternative that Claude Code, Codex, Cursor, and any MCP client can query. Meetings, calls, and voice

Lightning-fast, free, local first voice dictation for macOS with on-device transcription

The keyboard for the agent era: dictation, copy text from screen, translation, snaps and screen recordings for Claude Code, Codex and your o

TypeLeast：按一下快捷键说话，本机识别（SenseVoice），用你自己的大模型 API Key 整理成通顺文字，直接写进光标处。macOS + Windows 11。

Local AI search for podcast and video archives on Apple Silicon: Whisper speech, Apple Vision OCR and SigLIP-2 visual search fused into one

Open-source voice-AI SDK. The Vapi/Retell alternative for builders who want to own the stack. Give your AI agent a phone number in 4 lines —

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

Give AI agents eyes, ears, and verifiable results. Watch Skill turns video, audio and screen activity into searchable, timestamped evidence

Tarayıcıda çalışan Türkçe konuşma tanıma ve altyazı aracı. Otomatik noktalama, canlı transkript ve altyazılı video dışa aktarma. Tamamen yer

Free, open source voice dictation for macOS. On-device transcription with Apple's Speech framework. No cloud/no API keys/no account.

Talk to your computer: dictation into any app, a voice assistant that answers out loud and gets things done, meeting notes, and a phone app

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

Reproducible speech-to-text benchmark: WER, latency and cost for Velma, Deepgram, AssemblyAI, Chirp 3, MAI-Transcribe 2, Moonshine and whisp

Official Fish Audio plugin for Hermes Agent: expressive text-to-speech, speech-to-text, voice library, cloning and voice design.

MeetDo — open-source Meeting-to-Action AI by 筑听 · JKinco Listen. Self-hosted live meetings, local ASR/LLM, structured minutes, DOCX/PDF.

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.

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

Hệ thống tự động tải video đa nền tảng, trích xuất phụ đề (Faster-Whisper), dịch thuật AI (Gemini/OpenAI), lồng tiếng Việt (CapCut/vieNeuTTS

Self-hosted AI video analysis: summaries, chapters, keyframes, transcripts and SRT / JSON export. AI 视频总结、字幕提取与结构化分析。

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

Free, open-source offline voice dictation for Windows, macOS, and Linux. A Wispr Flow alternative with an AI assistant that can read your sc

Inference code for Haas, fast and accurate Japanese speech recognition

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

Hermes Agent TTS and STT plugin for AllModels speech models and voices.

Diktafon is a private, open-source voice memo app that transcribes and summarizes your recordings entirely on your device — organized like c

High-performance neural networks engine for web, built on top of TypeGPU

Push-to-talk voice typing for Windows, macOS, Linux and Android. On-device or cloud speech recognition, AI polish with presets, a dictionary

涛声 TaoSheng：用一部安卓手机全天收音 → 转写 → 认人 → AI 整理成待办与记忆。无需硬件、无需账号，数据只在你手机里。

Streaming Persian (Farsi) speech recognition: fine-tuning NVIDIA Nemotron 3.5 ASR streaming. Data prep, training, evaluation, inference.

Speculative Decoding for fast ASR and TTS inference

Voice-to-text dictation app.

Free Windows desktop app for AI video translation, subtitles and dubbing, with local CPU/GPU models, voice cloning, batch processing and vid

Suflyor (Суфлёр): free voice-following teleprompter app for Android. Scrolls as you speak, floats over Instagram, TikTok and the camera. Spe

Windows 微信 4.1.12+ 聊天记录本地导出工具：TXT / Markdown / JSON，支持图片、文件、语音、视频、本地语音转文字和聊天预览，面向 GPT、Claude、Gemini 等 LLM。 | Local-first WeChat chat exporte