ベスト AI文字起こしツール AI GitHub リポジトリ

WhisperX

AI GitHub リポジトリ

#62

自動音声認識のためのオープンソースツールで、単語レベルのタイムスタンプと話者の識別を提供します。音声録音における転写精度と話者の特定を向上させることを目的としています。WhisperXは、自動音声認識のためのオープンソースツールで、単語レベルのタイムスタンプと話者の識別を提供します。音声録音における転写精度と話者の特定を向上させることを目的としています。

FunASR

AI GitHub リポジトリ

#118

トレーニング、推論、ストリーミングASRのために設計されたオープンソースの音声認識ツールキットです。VAD、句読点、話者のダイアリゼーション、OpenAI互換/MCPサービングをサポートしており、開発者にとって多用途なツールです。FunASRは、トレーニング、推論、ストリーミングASRのために設計されたオープンソースの音声認識ツールキットです。VAD、句読点、話者のダイアリゼーション、OpenAI互換/MCPサービングをサポートしており、開発者にとって多用途なツールです。

WeNet

AI GitHub リポジトリ

#167

プロダクション環境向けに設計されたオープンソースのエンドツーエンド音声認識ツールキットです。堅牢で効率的な音声認識機能を提供し、正確な音声からテキストへの変換を必要とするさまざまなアプリケーションに適しています。WeNetは、プロダクション環境向けに設計されたオープンソースのエンドツーエンド音声認識ツールキットです。堅牢で効率的な音声認識機能を提供し、正確な音声からテキストへの変換を必要とするさまざまなアプリケーションに適しています。

OpenAI Whisper

AI GitHub リポジトリ

WhisperはOpenAIが開発した堅牢で汎用的な音声認識モデルです。多言語音声認識、翻訳、言語識別に優れています。多様な音声データでトレーニングされており、従来の多段階パイプラインを統一されたシーケンス・トゥ・シーケンスアプローチで置き換える、様々な音声処理タスクのための単一モデルを提供します。

whisper.cpp

AI GitHub リポジトリ

OpenAIのWhisperモデルをC/C++で実装したポートです。開発者がGitHubでその開発に貢献できるようにし、音声認識技術におけるコラボレーションと革新を促進します。whisper.cppは、OpenAIのWhisperモデルをC/C++で実装したポートです。開発者がGitHubでその開発に貢献できるようにし、音声認識技術におけるコラボレーションと革新を促進します。

Whisper as a Service

AI GitHub リポジトリ

OpenAI Whisper の GUI および API を提供し、キューイングによる非同期音声文字起こしを可能にします。電子メールコールバックと Webhook による通知をサポートし、開発者やユーザーが音声認識機能をアプリケーションに統合する際の柔軟性を提供します。Whisper as a Service (WAAS) は、OpenAI Whisper の GUI および API を提供し、キューイングによる非同期音声文字起こしを可能にします。電子メールコールバックと Webhook による通知をサポートし、開発者やユーザーが音声認識機能をアプリケーションに統合する際の柔軟性を提供します。

Chitralekha ビデオトランスクリエーションプラットフォーム

AI GitHub リポジトリ

インディック言語向けに設計されたビデオトランスクリエーションプラットフォームで、トランスクリプション、翻訳、ボイスオーバー機能を提供します。AI4Bharatによって開発され、さまざまな言語地域におけるコンテンツのアクセシビリティとローカリゼーションを促進することを目的としています。Chitralekhaは、インディック言語向けに設計されたビデオトランスクリエーションプラットフォームで、トランスクリプション、翻訳、ボイスオーバー機能を提供します。AI4Bharatによって開発され、さまざまな言語地域におけるコンテンツのアクセシビリティとローカリゼーションを促進することを目的としています。

Faster Whisper

AI GitHub リポジトリ

CTranslate2を使用して転写速度を向上させるオープンソースプロジェクトです。開発者が貢献し、転写プロセスを改善することを可能にし、より迅速かつ効率的にします。Faster Whisperは、CTranslate2を使用して転写速度を向上させるオープンソースプロジェクトです。開発者が貢献し、転写プロセスを改善することを可能にし、より迅速かつ効率的にします。

Vosk Speech Recognition Toolkit

AI GitHub リポジトリ

Vosk APIは、Android、iOS、Raspberry Pi、およびサーバー向けに設計されたオフライン音声認識APIです。Python、Java、C#、Node.jsなど複数のプログラミング言語をサポートしており、開発者はインターネット接続に依存せずにアプリケーションに音声認識機能を統合できます。

WhisperLiveKit

AI GitHub リポジトリ

ストリーミングASR、スピーカーダイアリゼーション、翻訳機能を提供するリアルタイムのローカル音声認識ツールです。OpenAIおよびDeepgram互換のAPIをサポートしており、堅牢な音声処理ソリューションを求める開発者にとって多用途です。WhisperLiveKitは、ストリーミングASR、スピーカーダイアリゼーション、翻訳機能を提供するリアルタイムのローカル音声認識ツールです。OpenAIおよびDeepgram互換のAPIをサポートしており、堅牢な音声処理ソリューションを求める開発者にとって多用途です。

SpeechRecognition

AI GitHub リポジトリ

speech_recognitionは、オンラインおよびオフラインの両方で複数のエンジンとAPIをサポートすることで、音声認識を容易にするPythonモジュールです。使いやすく、Pythonアプリケーションに統合できるように設計されており、開発者に音声処理タスクのための柔軟なツールを提供します。

argmax-oss-swift

AI GitHub リポジトリ

Apple Siliconデバイス向けに特化したオンデバイス音声AI機能を提供するオープンソースプロジェクトです。これにより、開発者はアプリケーションに音声認識機能を直接統合し、クラウドサービスに依存せずにユーザーインタラクションを向上させることができます。argmax-oss-swiftは、Apple Siliconデバイス向けに特化したオンデバイス音声AI機能を提供するオープンソースプロジェクトです。これにより、開発者はアプリケーションに音声認識機能を直接統合し、クラウドサービスに依存せずにユーザーインタラクションを向上させることができます。

Whisper Diarization

AI GitHub リポジトリ

OpenAI Whisperを使用して自動音声認識とスピーカーダイアリゼーションを組み合わせたGitHubプロジェクトです。これにより、ユーザーは音声を文字起こしし、録音内の異なる話者を特定することができ、会議やインタビューなどに役立ちます。Whisper Diarizationは、OpenAI Whisperを使用して自動音声認識とスピーカーダイアリゼーションを組み合わせたGitHubプロジェクトです。これにより、ユーザーは音声を文字起こしし、録音内の異なる話者を特定することができ、会議やインタビューなどに役立ちます。