speech-to-text
12件のリポジトリ
debpalash/VoiceStudio完全ローカルで動くElevenLabs代替の音声スタジオ — VoiceStudioはクラウド不要・完全ローカルで動くElevenLabsの代替ツールです。646言語対応の音声クローン、音声デザイン、動画の吹き替え、ディクテーション、文字起こし、オーディオブック生成までを一括で扱えます。CUDAやMLXにも対応し、ローカルAPI/MCPでエージェント連携も可能な点が特徴です。
VoiceStudio is the open-source, fully-local ElevenLabs alternative — voice cloning, voice design, video dubbing, dictation, transcription & audiobook creation in 646 languages.
cjpais/Handy完全オフラインで動く無料・OSSの音声入力ツール — ショートカットを押して話すだけで、クラウドに音声を送らず自分のPC内で文字起こしできるクロスプラットフォームアプリです。WhisperやParakeet V3など複数モデルから選べ、VADによる無音除去も搭載。有料の音声入力ツールやクラウド依存サービスに対するプライバシー重視の代替として注目です。
A free, open source, and extensible speech-to-text application that works completely offline.
Zackriya-Solutions/meetily完全ローカルで動くAI会議アシスタント — Rust製で、Parakeet/Whisperによる4倍速のライブ文字起こし・話者識別・Ollamaによる要約までをすべてローカル処理で実現するOSSの会議メモアプリです。クラウド送信不要でプライバシーを守りつつ、macOS/Windowsでセルフホストできる点がZoomやOtter等のクラウド系ツールとの違いです。
Privacy first AI meeting note taker. Download Free and open source granola, otter ai, fireflies alternative. Parakeet / Whisper live transcription, on-device speaker diarization, built on Rust. 100% local processing. Meetily (Meetly Ai - https://meetily.ai) is the #1 Self-hosted, Open-source Ai meeting note taker & Assistant for macOS & Windows
m-bain/whisperXWhisperX: Automatic Speech Recognition with Word-level Timestamps (& Diarization)
abus-aikorea/voice-proTTS・音声クローン・Whisperをまとめた字幕/吹替用Gradio UI — Voice-ProはEdge-TTSやKokoroによる音声合成、E2/F5-TTS・CosyVoiceによるゼロショット音声クローン、Whisperによる文字起こし、YouTubeダウンロード、Demucsによるボーカル分離、多言語翻訳を一つのGradio WebUIにまとめたツールです。字幕作成や吹替、ポッドキャスト・オーディオブック制作を、ツールを組み合わせずに一括して行いたい制作者・開発者向けです。
Gradio WebUI for creators and developers, featuring key TTS (Edge-TTS, kokoro) and zero-shot Voice Cloning (E2 & F5-TTS, CosyVoice), with Whisper audio processing, YouTube download, Demucs vocal isolation, and multilingual translation.
OpenWhispr/openwhisprWisprFlow代替のOSS音声入力アプリ — OpenWhisprはWisprFlowやGranolaの無料オープンソース版で、音声をテキスト化しカーソル位置に入力できます。Whisper・NVIDIA Parakeetなどのローカルモデルでオフライン完結も、BYOKでクラウドAPIも選べ、プライバシー重視でmacOS/Windows/Linuxに対応します。
Voice-to-text dictation app with local (Nvidia Parakeet/Whisper) and cloud models (BYOK). Privacy-first and available cross-platform.
techjarves/Portable-Local-Studio設定不要のオフラインAIスタジオ — 画像生成・GGUF形式LLMチャット・音声認識・音声合成を1つにまとめた完全オフライン動作のポータブルAIツールです。Windows/Linux/macOS対応でGPU・NPUによるハードウェア加速に対応し、クラウド不要・追跡なし・登録不要でローカルPC上に検閲されないAI環境を構築できる点が特徴です。
Portable local AI studio for Windows, Linux, and macOS. Zero-setup GUI for Image Generation, GGUF LLMs, Text to Speech & Speech to Text
yuxino/MimiPC・マイク音声をリアルタイム翻訳字幕に変換するMimi — PCのシステム音声やマイク入力をキャプチャし、その場で音声認識・翻訳して字幕表示するTauri製デスクトップアプリです。macOS・Windows・Linux・Androidをサポートし、動画視聴や会議、ゲーム実況など多言語コンテンツを字幕オーバーレイで楽に理解したい人に向いています。Rust製で軽量かつクロスプラットフォーム対応な点が特徴です。
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.
anomalyco/hexショートカットを押して話すだけ、端末内完結の音声入力アプリがLinux/Windowsにも — HEXはRust製のネイティブ音声入力アプリです。ショートカットを押しながら話すと、端末上のローカル音声モデルで文字起こしし、使用中のアプリにそのまま貼り付けます。クラウド不要が基本で、任意機能の音声コマンドのみ外部プロバイダーを使う設計。macOS専用から、WindowsとLinuxのベータ版にも対応が広がりました。
Local-first voice dictation for macOS. Hold a shortcut, speak, and paste into any app. Native Rust, on-device speech recognition, and a Linux beta.
opennookorg/betterwisprFree, open-source, local-first dictation app for macOS. Hold a shortcut, speak, and text is typed into any app. On-device speech-to-text with Whisper, Parakeet and Apple speech. Private, offline, open-source Wispr Flow alternative.
zephyr4123/speakmoreSpeakMore：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，语音输入亦可完全在本机运行。附 Typeless 逆向分析。
watzon/saysoローカルで動く無料のディクテーションアプリ — キーを押して話すだけで、使用中のアプリにテキストが入力されるディクテーションアプリです。macOSのNeural Engineなど自端末上で音声認識が完結し、プライバシーを保ちつつ、Whisperやparakeet等の多彩なローカルモデルやクラウドモデルも選べます。Rust製でmacOS/Windows/Linuxに対応します。
Dictation that runs on your own computer. Press a key, speak, and the text lands in the app you are using. Free and open source, for macOS, Windows, and Linux.