AI Speech to Text

Introdução geral O sherpa-onnx é um projeto de código aberto desenvolvido pela equipe do Next-gen Kaldi para fornecer soluções eficientes de reconhecimento e síntese de fala off-line. Ele é compatível com várias plataformas, incluindo Android, iOS, Raspber...

Descrição geral O SoniTranslate é uma ferramenta de dublagem multilíngue de vídeo avançada e fácil de usar, projetada para fornecer uma solução de tradução de vídeo e áudio sincronizado. Ele usa tecnologias avançadas de reconhecimento de fala e tradução automática para traduzir o conteúdo do vídeo em vários idiomas e manter o áudio sincronizado. O ...

Introdução geral O Aqua Voice é uma ferramenta inteligente de geração de texto baseada em fala, focada na conversão rápida da fala do usuário em texto formatado. Ela foi criada em 2023 por Finnian Brown e Jack McIntire e está sediada nos Estados Unidos...

Introdução geral O Zamzar é uma poderosa ferramenta de conversão de arquivos on-line que suporta mais de 1.200 formatos de arquivos. Quer se trate de documentos, imagens, vídeos, áudios ou livros eletrônicos, o Zamzar pode fazer isso de forma rápida e eficiente. Os usuários não precisam fazer download de nenhum software...

FreeTTS Descrição geral O FreeTTS é uma ferramenta on-line gratuita de conversão de texto em fala que permite aos usuários converter texto em arquivos de voz com som natural. Com suporte a vários idiomas e opções de som, os usuários podem converter texto nos formatos MP3, WAV, OGG e ACC...

Introdução abrangente O FunASR é um kit de ferramentas de reconhecimento de fala de código aberto desenvolvido pelo Alibaba Dharma Institute, com o objetivo de unir pesquisa acadêmica e aplicações industriais. Ele suporta uma ampla gama de recursos de reconhecimento de fala, incluindo reconhecimento de fala (ASR), detecção de ponto final de voz (VAD), recuperação de pontuação, modelagem de linguagem, fala...

Introdução geral O Whisper é um projeto de código aberto do GitHub desenvolvido pela Const-me que se concentra na inferência de alto desempenho do modelo de reconhecimento automático de fala (ASR) Whisper da OpenAI usando GPGPU. Esse projeto é baseado na licença MPL-2.0...

Introdução geral O LLPlayer é um reprodutor de mídia de código aberto para alunos de idiomas, hospedado no GitHub e criado pelo desenvolvedor umlx5h. Ele integra uma variedade de recursos úteis, como exibição de legendas bilíngues, legendas geradas automaticamente por IA, tradução em tempo real e pesquisa de palavras...

Descrição geral O CrisperWhisper é uma ferramenta avançada de reconhecimento de fala baseada no OpenAI Whisper que se concentra na transcrição de fala rápida, precisa e palavra por palavra. Ele fornece registros de data e hora precisos em nível de palavra, mesmo com preenchimentos e pausas na fala...

Introdução abrangente O AsrTools é uma ferramenta inteligente de conversão de voz em texto com interfaces integradas de grandes empresas, como Cutscene, QuickScope, MustCut etc. Não requer GPU nem configuração complicada e oferece suporte ao processamento eficiente de lotes com vários threads. Baseia-se no desenvolvimento do PyQt5, com uma interface bonita e amigável, capaz de gerar palavras nos formatos SRT e TXT...

Buzz Introdução geral O Buzz é um projeto de código aberto criado por chidiwilliams que permite a transcrição e a tradução off-line de áudio em computadores pessoais. O projeto se baseia na tecnologia Whisper da OpenAI, que permite que os usuários não dependam de uma conexão com a Internet para o texto de áudio...

Introdução geral O Murf AI é uma poderosa ferramenta on-line de geração de voz de inteligência artificial que converte texto em fala humana quase real. Ela oferece até 120+ opções de voz de IA, suporta mais de 20 idiomas e é adequada para uma variedade de situações, como podcasts, vídeos, apresentações profissionais etc.

Descrição geral O MemoAI é uma poderosa ferramenta de tradução de vídeo projetada para converter arquivos de vídeo e áudio em texto, legendas e notas. Seja um vídeo do YouTube, um podcast ou um arquivo local, o MemoAI pode lidar com isso com facilidade. Ele suporta mais de 90 idiomas, como chinês, inglês, japonês...

Introdução abrangente O FunClip é uma ferramenta de edição de vídeo automatizada, localizada e de código aberto, desenvolvida pelo TONGYI Speech Lab do Alibaba Dharma Institute. A ferramenta integra o modelo de reconhecimento de fala Paraformer-Large de nível industrial, que pode identificar com precisão a fala no vídeo...

Happy Scribe Descrição geral O Happy Scribe oferece serviços de transcrição de áudio automatizada e manual para converter áudio em texto com alta precisão e suporte a vários idiomas e formatos. Ele inclui um editor interativo, ferramentas de colaboração, vários formatos de exportação, tradução automática e outros recursos...

Introdução geral O ALog é um aplicativo de diário de voz baseado em IA projetado para ajudar os usuários a registrar suas vidas diárias por voz. Ele foi desenvolvido pela duxins e tem código aberto no GitHub. Os usuários podem gravar entradas de diário por meio de entrada de voz, e o aplicativo converterá automaticamente a voz em texto...

pyVideoTrans Introdução geral O pyvideotrans é uma ferramenta de dublagem de tradução de vídeo. Os usuários podem traduzir o conteúdo do vídeo de um idioma para outro e adicionar a dublagem e as legendas apropriadas ao vídeo. Ele é baseado no openai-whisper off-line...

Descrição geral A Deepgram é uma empresa especializada em tecnologias de reconhecimento de fala e processamento de linguagem natural, oferecendo APIs avançadas de fala para texto e texto para fala.

Descrição geral O Notta é uma poderosa ferramenta de transcrição de áudio e gravação de reuniões com IA projetada para ajudar os usuários a converter automaticamente reuniões, entrevistas ou gravações de áudio em texto pesquisável. Com o Notta, os usuários podem facilmente transcrever, editar, resumir e colaborar para aumentar a produtividade.

Introdução abrangente O Record Cafe é uma plataforma completa de processamento de áudio/vídeo que oferece serviços de diálogo em vídeo com IA, legendas com IA e fala com IA para texto. As funções incluem gravação de tela, edição de vídeo, conversão de GIF/áudio, etc., e suporta armazenamento e compartilhamento em nuvem. A interface é intuitiva e fácil de usar, além de oferecer suporte à gravação em várias telas e ao uso inteligente em vários idiomas...

Introdução abrangente O Easy-Voice-Toolkit é um kit de ferramentas multifuncional baseado no Open Source Speech Project, que oferece uma ampla variedade de ferramentas de áudio automatizadas para reconhecimento de fala, transcrição de fala, conversão de fala, criação de conjuntos de dados e treinamento de modelos. Os usuários podem usar essas ferramentas de forma seletiva, conforme necessário...

Introdução abrangente O insanely-fast-whisper é uma transferência de áudio que combina o modelo Whisper da OpenAI com várias técnicas de otimização (por exemplo, Transformers, Optimum, Flash Attention)...

Descrição geral O Dupdub é uma plataforma de criação de podcast e apresentação de vídeo que oferece uma variedade de ferramentas de IA para apoiar a criatividade dos usuários. Os recursos abrangem a criação de texto para vídeo, oferecendo serviços de dublagem de voz e vídeo com IA, bem como edição, transcrição e legendagem de vídeo. A Dupdub também é ...

Introdução geral O Voice-Pro é uma ferramenta versátil baseada na Gradio WebUI que oferece suporte a conversão de fala em texto, conversão de texto em fala, tradução em tempo real, downloads de vídeos do YouTube e separação de voz humana. Ele integra o Whisper, o Faster-Wh...

Introdução abrangente O Tongyi Listening and Understanding é um assistente de IA para trabalho-estudo lançado pela Aliyun, com foco na transcrição e análise de conteúdo de áudio e vídeo. Ele se baseia nos poderosos modelos de IA do AliCloud para transcrever conteúdo de áudio e vídeo em texto em tempo real, além de oferecer tradução, resumo, posicionamento e outras funções. O Tongyi Listening Woo é compatível com vários idiomas e cenários...

Descrição geral Se estiver usando um MacBook, experimente o AI Hear: você pode gravar áudio, converter fala local em tempo real em texto, traduzir e, eventualmente, exportar legendas. Você pode usá-lo para ajudá-lo a ouvir reuniões entre países e audiolivros em inglês. O AI Hear é um software executado localmente que fornece fala em tempo real com um clique...

Introdução geral O BetterWhisperX é uma versão otimizada do projeto WhisperX, com foco no fornecimento de serviços de reconhecimento automático de fala (ASR) eficientes e precisos. Como um desdobramento aprimorado do WhisperX, o projeto foi desenvolvido por Federico ...

Introdução geral O RealtimeSTT é uma biblioteca de conversão de fala em texto eficiente e de baixa latência em tempo real, com detecção avançada de atividade de fala e ativação de palavras de alerta. Ela foi desenvolvida por Kolja Beigel para dar suporte a aplicativos que exigem conversão de fala em texto rápida e precisa...

Descrição geral O VideoLingo é uma ferramenta completa de tradução de vídeo e dublagem de localização, projetada para gerar legendas de alta qualidade para a Netflix, eliminando a tradução automática bruta e as legendas de várias linhas e adicionando dublagens de alta qualidade para permitir que o conhecimento global seja compartilhado além das barreiras linguísticas. Por...

Descrição geral O Freed é um assistente de transcrição médica com IA projetado para profissionais de saúde. Ele ajuda os médicos e outros profissionais de saúde a automatizar o registro das visitas dos pacientes, reduzir a burocracia e melhorar a eficiência do trabalho por meio da tecnologia avançada de IA...

Introdução geral O Orate é um kit de ferramentas de IA voltado para a geração e transcrição de fala. Ele fornece uma API unificada que se integra perfeitamente aos principais provedores de IA, como OpenAI, ElevenLabs e AssemblyAI, para ajudar os usuários a criar...

Introdução geral O Babelfish.ai é um aplicativo de transcrição e tradução em tempo real criado com base no Huggingface Transformer.js e no Supabase Realtime. O aplicativo pode carregar modelos grandes no navegador e...

Introdução geral O realtime-transcription-fastrtc é um projeto de código aberto voltado para a conversão de fala em texto em tempo real. Ele usa a tecnologia FastRTC para processar fluxos de áudio de baixa latência, combinada com um modelo Whisper local para obter eficiência ...

Introdução geral O Voicenotes é um aplicativo inteligente de anotações de voz projetado para ajudar os usuários a gravar e gerenciar facilmente anotações de voz e reuniões. O aplicativo suporta transcrição de voz em mais de 100 idiomas. Os usuários simplesmente falam seus pensamentos e o Voicenotes os transcreve automaticamente em texto...

Introdução geral O Transkriptor é uma ferramenta de transcrição orientada por IA que se concentra na conversão rápida de áudio e vídeo em texto. Ele suporta mais de 100 idiomas com uma taxa de precisão de até 99% e é adequado para uma ampla gama de cenários, como reuniões, entrevistas, anotações em sala de aula e muito mais. Os usuários podem fazer upload de arquivos,...

Introdução geral O FireRedASR é um modelo de reconhecimento de fala desenvolvido e de código aberto pela equipe do Little Red Book FireRed, com foco no fornecimento de soluções de reconhecimento automático de fala (ASR) de alta precisão e com suporte a vários idiomas. O projeto está hospedado no GitHub para desenvolvedores e pesquisadores, e oferece...

Descrição geral O Wispr Flow é uma ferramenta para inserir texto por voz, ajudando os usuários a escrever rapidamente em seus computadores. É uma experiência "3x mais rápida do que digitar" que permite aos usuários inserir texto em qualquer aplicativo, como Word, Slack ou G...

Introdução abrangente O AudioNotes é um sistema de notas estruturadas de áudio/vídeo desenvolvido com base no FunASR e no Qwen2. Ele pode extrair rapidamente o conteúdo de áudio/vídeo e chamar o grande modelo para gerar notas estruturadas em Markdown, o que é conveniente para...

Introdução geral O Meeting Minutes (também conhecido como Meetily) é uma ferramenta de assistente de reunião de IA gratuita e de código aberto desenvolvida pela Zackriya Solutions, focada na captura de áudio de reuniões em tempo real, na geração de texto transcrito e na extração automática de...

Introdução geral O WhisperChain é um projeto de código aberto baseado em IA hospedado no GitHub e liderado pelo desenvolvedor Chris Choy. Ele é usado principalmente para converter fala em texto e otimizar automaticamente a expressão por meio da tecnologia de IA, removendo redundâncias...

Descrição geral O TurboScribe é uma ferramenta de transcrição baseada em IA que se concentra na conversão rápida de áudio e vídeo em texto. Ele suporta mais de 98 idiomas com uma taxa de precisão de 99,8% para usuários que precisam processar conteúdo de voz com eficiência. Os usuários podem fazer upload de arquivos, gerar notas de texto...

Introdução geral O Local-NotebookLM é um projeto de código aberto, cujo objetivo é fornecer ferramentas inteligentes de processamento de documentos e geração de conteúdo executadas localmente. Ele é inspirado no Google NotebookLM, com foco em ajudar os usuários a transformar PDFs e outros documentos em uma variedade de ...

Introdução abrangente O Vexa é uma plataforma de código aberto de transcrição de reuniões em tempo real e de gerenciamento de conhecimento projetada para fornecer serviços eficientes de gravação de reuniões e extração inteligente de conhecimento para empresas e indivíduos. Ele se une automaticamente a plataformas como Google Meet, Zoom etc. por meio de robôs de reunião orientados por API...

Introdução geral O Kimi-Audio é um modelo de base de áudio de código aberto desenvolvido pela Moonshot AI, com foco na compreensão, geração e diálogo de áudio. Ele oferece suporte a uma ampla gama de tarefas de processamento de áudio, como reconhecimento de fala, P&R de áudio e reconhecimento de emoção de fala. O modelo foi testado em mais de 130...

Introdução abrangente O LiberSonora, que significa "som livre", é um poderoso conjunto de ferramentas de audiolivro de código aberto habilitado para IA. Ele oferece suporte à extração inteligente de legendas, geração de títulos com IA, tradução em vários idiomas etc., e é capaz de processar off-line em lote com aceleração de GPU.

Introdução geral O AI no jimaku gumi (AI no subtitle group) é uma poderosa ferramenta de processamento de legendas de vídeo de linha de comando, cujo foco é permitir funções automatizadas de extração, transcrição e tradução de legendas de vídeo. A ferramenta integra tecnologias avançadas de IA, incluindo a fala Whisper...

Descrição geral O Whisper Input é uma ferramenta de transcrição de voz de código aberto que permite aos usuários iniciar a gravação de voz pressionando o botão Option e encerrar a gravação levantando o botão. A ferramenta chama o Groq Whisper Large V3 Turbo ...

Introdução geral O Acoust é uma plataforma de serviços de geração de fala com IA on-line e de conversão de texto em fala (TTS) que usa a mais recente tecnologia de IA para gerar uma fala realista. A plataforma também oferece ferramentas avançadas de edição de vídeo que permitem aos usuários concluir a produção de vídeo sem a necessidade de vários softwares.

Introdução geral O CapsWriter-Offline é uma ferramenta de transcrição de legendas e entrada de voz para PC, hospedada no GitHub e criada pelo desenvolvedor HaujetZhao. Ele é executado totalmente off-line e não requer conexão com a Internet para conversão de voz em texto e...

Introdução geral O On-Device AI é um aplicativo de IA que funciona totalmente off-line, projetado para dispositivos Apple, compatível com iOS, macOS e visionOS. Ele fornece execução local de modelo de linguagem em grande escala (LLM), transcrição de fala em tempo real, análise de documentos e muito mais, sem a necessidade de vincular...

Descrição geral O Otter.ai é uma ferramenta de transcrição de voz e gerenciamento de reuniões com tecnologia de IA, com funcionalidade central para converter voz em texto em tempo real e gerar automaticamente notas de reunião, resumos e itens de ação. Ele conta com o suporte inteligente de um agente de reunião de IA que adiciona automaticamente...

Introdução geral A AssemblyAI é uma plataforma focada na tecnologia de IA de fala, fornecendo aos desenvolvedores e às empresas ferramentas eficientes de análise de fala para texto e áudio. Seu principal destaque é a família de modelos Universal, especialmente o recém-lançado Universal-2...

O TwinMind é uma ferramenta inteligente desenvolvida pela ThirdEar AI, Inc. que "ajuda você a se lembrar de tudo". Ele pode gravar e converter conversas, reuniões ou palestras em texto em tempo real, em mais de 100 idiomas, mesmo com o telefone no bolso, e...

Introdução abrangente O PengChengStarling (PengCheng Labs) é uma ferramenta de reconhecimento automático de fala (ASR) multilíngue capaz de converter a fala em diferentes idiomas em texto correspondente. Esse kit de ferramentas foi desenvolvido com base no projeto icefall e fornece um processo completo de reconhecimento de fala...

Introdução geral O Abogen é uma ferramenta de código aberto projetada para converter rapidamente arquivos ePub, PDF ou de texto simples em áudio de alta qualidade. Ele usa o modelo Kokoro-82M para gerar uma fala natural e suave e oferece suporte à geração simultânea de legendas, o que é adequado para a produção de audiolivros...

Introdução abrangente O Dolphin é um modelo de código aberto desenvolvido pela DataoceanAI e pela Universidade de Tsinghua, com foco no reconhecimento de fala e de idioma para idiomas asiáticos. Ele é compatível com 40 idiomas do Leste Asiático, Sul da Ásia, Sudeste Asiático e Oriente Médio, além de 22 dialetos chineses...