Reconnaissance vocale et synthèse vocale open source, testé

1 minute de données vocales peut également être utilisée pour entraîner un bon modèle TTS! (clonage vocal en quelques exemples)

Ce que le test a constaté : GPT-SoVITS API server starts and responds to TTS inference requests: HTTP 200 with a valid synthesized WAV audio file returned for English text-to-speech using a default reference audio on CPU. 23 minutes.

WhisperX: reconnaissance automatique de la parole avec horodatages au niveau du mot (et diarisation)

Ce que le test a constaté : WhisperX 3.8.7rc1 is installed in a Python 3.12 venv at /tmp/whisperx-venv with CPU-only PyTorch. The test suite passes (12/12 tests) and the CLI prints help and version correctly. All imports resolve without errors. 3 minutes.

🧠 Leon is your open-source personal assistant.

Ce que le test a constaté : Leon server installs, builds, serves HTTP on port 5366, and passes all 371 unit tests with Node.js v24 in CI mode (no local AI or voice models). 10 minutes.

Reconnaissance vocale, synthèse vocale, diarisation des locuteurs, amélioration de la parole, séparation de sources et détection d'activité vocale à l'aide de...

Ce que le test a constaté : The sherpa-onnx 1.13.8 C++ source built successfully, all 29 CTest tests passed, the published Python package installed, and both Python and native CLI paths performed real Whisper ASR and generated decodable Piper TTS audio. 7 minutes.

Une boîte à outils de styles de films créés en code pour Claude Code: 66 styles prêts à l’emploi, et les vôtres. Chaque style est un prompt de style plus un...

Ce que le test a constaté : With Node 20.20.2, the core, voice, and music installs exit 0, and the real pipeline produced a 6.000-second 1920x1080 24 fps film with 144 H.264 frames and stereo AAC audio that fully decoded with exit 0. 7 minutes.

Application de dictée vocale avec modèles locaux (Nvidia Parakeet/Whisper) et cloud (BYOK). Priorité à la confidentialité et disponible multiplateforme.

Ce que le test a constaté : npm install succeeds, all 944 tests pass with Node 24 and the custom loader bootstraps, test script runs all test suites without failures. 71 minutes.

Une bibliothèque de transcription vocale robuste, efficace et à faible latence, avec détection avancée d'activité vocale, activation par mot de réveil et...

Ce que le test a constaté : In a fresh venv with RealtimeSTT[server,faster-whisper] installed, all 591 unit tests pass, the Whisper golden test transcribes the fixture correctly, and the packaged production server answered 200 on /health, /v1/ready and /v1/capabilities and returned the correct transcript on POST /transcribe-pcm16. 9 minutes.

Module de reconnaissance vocale pour Python, prenant en charge plusieurs moteurs et API, en ligne et hors ligne.

Ce que le test a constaté : SpeechRecognition 3.17.0 installed in a venv; 41 of 56 tests pass with 15 expected skips; Google Speech API recognition returns transcriptions from local audio files; CLI sprc binary prints help. 4 minutes.

Une bibliothèque de text-to-speech (TTS), speech-to-text (STT) et speech-to-speech (STS) construite sur le framework MLX d'Apple, offrant une analyse vocale...

Ce que le test a constaté : A fresh editable install exited 0, the API server returned HTTP 200 on / and /v1/models, a real Kokoro request produced a decodable 2.8-second 24 kHz mono WAV, and the combined core and TTS test suites passed 1506 tests with 45 skipped. 39 minutes.

Reconnaissance vocale pour votre site

Ce que le test a constaté : All 165 tests pass, build produces ESM/CJS/IIFE bundles in dist/, and the library is usable via npm import or script tag. 11 minutes.

Outil de transcription vidéo, de génération de sous-titres et de clipping assisté par LLM, propulsé par FunASR, avec une UI Gradio locale.

Ce que le test a constaté : FunClip v2.2.1 is fully installed in a Python 3.12 venv with all dependencies, all 90 tests pass, the CLI recognition+clipping pipeline processes a real video with Paraformer-Large ASR and produces valid clipped MP4 output, and the Gradio web interface launches and serves HTTP 200 on localhost. 49 minutes.

Générer des livres audio à partir d'EPUBs, PDFs et texte avec sous-titres synchronisés.

Ce que le test a constaté : All 1592 tests pass, Flask web UI serves HTTP 200 on GET /, and the real Kokoro-82M TTS engine with af_heart voice generates non-silent, ffmpeg-decodable WAV audio from text input. 22 minutes.

Plateforme open source d'IA vocale. Alternative auto-hébergée à Vapi et Retell. Sur site, BYOK pour le Speech to Speech ou le LLM/STT/TTS, avec un constructeur...

Ce que le test a constaté : Backend Python venv installed with all core deps, PostgreSQL 16 running on port 5432, Redis 7.4.1 running on port 6379, Node.js v22 deployed, pipecat submodule installed editable, FastAPI app imports with speechmatics as the only blocking provider, 493/514 collectable tests pass against real services. 57 minutes.

Localisation et doublage vidéo IA Open-source pour YouTube/Bilibili: reconnaissance vocale, traduction de sous-titres, clonage vocal, mixage audio et rendu...

Ce que le test a constaté : Backend API is fully operational: uvicorn serves the FastAPI app on port 9998, all 421 backend tests pass, and every major endpoint (health, login, tasks, settings, cookies) responds correctly with expected status codes. 20 minutes.

Dictée vocale locale pour mac, windows et linux

Ce que le test a constaté : Full Rust project compiles on Ubuntu 24.04 x86_64 with no root, all 397 unit tests pass (0 failures), binary runs and responds to --help and --version commands. 28 minutes.

La bibliothèque python pour la communication en temps réel

Ce que le test a constaté : The fastrtc library installs in a venv, all 29 tests pass, the Kokoro TTS model generates audio, and a demo app starts under uvicorn and serves its OpenAPI schema. 7 minutes.

Un modèle TTS multilingue de 100M paramètres pour l'inférence CPU en temps réel, le clonage vocal et la génération stéréo 48 kHz

Ce que le test a constaté : Dependencies installed in venv; PyTorch CPU inference via infer.py produces valid WAV audio; FastAPI web server responds to health checks and generates 48kHz stereo speech via POST /api/generate with demo presets. 16 minutes.

Une implémentation quasi en temps réel de Whisper d'OpenAI.

Ce que le test a constaté : WhisperLive is installed in a Python 3.12 venv with all dependencies, 318 of 332 unit tests pass (14 metrics tests skipped as they require a dedicated metrics server port), and the server launches with the REST API health endpoint responding HTTP 200 on port 8000 and the WebSocket server listening on port 9090. 11 minutes.

Convertit le texte en parole en temps réel

Ce que le test a constaté : realtimetts 0.8.10 installed and built wheel+sdist; 369 of 380 tests pass covering BaseEngine, alignment, language router, sentence splitting, streaming, stream player, release guard (except ssh-keygen), and Qwen studio; Qwen server starts and fails only on CUDA GPU requirement; pyttsx3 SystemEngine requires espeak. 13 minutes.

OpenAI Whisper ASR Webservice API

Ce que le test a constaté : The Whisper ASR Box webservice is installed and running: the uvicorn server serves Swagger UI at /docs, returns JSON language detection at /detect-language, and returns transcription text at /asr all with HTTP 200. 14 minutes.

Une interface WebUI unique Gradio + React avec des extensions pour ACE-Step, OmniVoice, Kimi Audio, Piper TTS, GPT-SoVITS, CosyVoice, XTTSv2, DIA, Kokoro...

Ce que le test a constaté : TTS-WebUI server starts and responds HTTP 200 on both Gradio proxy (7767) and main (7770) interfaces; 102 of 105 tests pass (3 skipped require real API credentials); all core extensions import cleanly; CLI troubleshoot passes. 6 minutes.

[AutoArk] GPA (General Purpose Audio) peut réaliser de l'ASR, du TTS et de la conversion vocale avec un seul tout petit modèle!

Ce que le test a constaté : GPA v1.5 native PyTorch ASR, TTS, and training all run on CPU with weights downloaded from HuggingFace. ASR transcribes Chinese and English correctly; TTS produces valid 16 kHz mono audio from text plus a reference clip; training executes a forward/backward step. 10 minutes.

API open source de transcription de réunions pour Google Meet, Microsoft Teams et Zoom. Bots qui rejoignent automatiquement, transcriptions WebSocket en temps...

Ce que le test a constaté : 11 Python service test suites and the JS terminal client test suite run successfully in a container with Node 22.13 and Python 3.12.3; the compose/Docker deployment path cannot execute without Docker engine being available. 17 minutes.

Bibliothèque Python et outil CLI pour interagir avec l'API text-to-speech de Google Translate.

Ce que le test a constaté : gTTS 2.5.4 installed, all 108 pytest tests pass, and the CLI generates valid MP3 audio via the Google Translate TTS API. 1 minute.

Synthèse vocale hors ligne pour python

Ce que le test a constaté : pyttsx3 v2.99 with eSpeak-NG v1.53.0 backend on Python 3.12.3 (Linux): import, speech synthesis, WAV file saving, property get/set, event loop, and all 9 applicable tests pass. 4 minutes.

Inférence de transcription vocale ggml pour 16+ familles de modèles

Ce que le test a constaté : transcribe.cpp builds from source with cmake and GCC 13, produces a working transcribe-cli binary that understands all CLI options and reads 16 kHz mono WAV files, and passes all 39 unit/smoke tests on CPU without a model file. 4 minutes.

Studio open-source local d'audio et de musique IA pour macOS et Windows. TTS, clonage vocal, chansons avec paroles et partitions multipistes: 100 % hors ligne...

Ce que le test a constaté : 安装、前端构建、Go 核心测试（3 包通过）与 Playwright 浏览器测试（74/74 通过）全部成功，浏览器预览应用服务返回 HTTP 200，独立 CLI（engine v0.7.4）与 audiocpp CPU 引擎（0.7.4）均能启动运行；仅原生桌面 App 因仓库限 macOS/Windows 未在此 Linux 容器构建。. 10 minutes.

GPT-SoVITS ONNX moteur d'inférence et convertisseur de modèles

Ce que le test a constaté : GENIE TTS package installs and builds in a Python 3.12 venv; all 4 language G2P modules produce correct phone IDs; FastAPI server serves all endpoints (/stop, /clear_reference_audio_cache, /load_character, /set_reference_audio, /tts, /unload_character) returning HTTP 200; full TTS inference with predefined character... 9 minutes.

Une superbe extension de navigateur qui lit à voix haute le contenu d'une page web en un clic.

Ce que le test a constaté : All 159 tests pass consistently (0 fail, 0 skipped, 0 todo) across repetitive concurrent execution; the offscreen-manager fixture timeout was relaxed to eliminate a timing-dependent failure. 3 minutes.

Reconnaissance vocale avec push-to-talk pour les compositeurs Wayland

Ce que le test a constaté : Voxtype v1.1.0 builds and passes its full test suite (1159 passed, 0 failed) on Ubuntu 24.04 amd64 with Rust 1.99.0, after manually providing alsa and clang/LLVM development libraries extracted from apt packages without root privileges. The CLI binary responds correctly to --version and --help. 27 minutes.

Sujet → vidéo 4K narrée pour coding agents. v5.3.0: TTS local (edge free + azure, aucun moteur externe), Asset Engine basé sur manifeste, composition Remotion...

Ce que le test a constaté : All 255 Python tests pass, TypeScript type-checks pass, and Remotion 4.0.438 renders a 2-frame smoke test to a valid H.264 MP4 verified with ffmpeg decode check; the only source change needed was bumping zod from ^3.23.0 to ^4.3.6 in package.json. 7 minutes.

Soprano: synthèse vocale instantanée et ultra-réaliste

Ce que le test a constaté : Soprano TTS 0.2.0 is installed from source in a venv at /tmp/venv. The CLI produces valid 32 kHz WAV audio on CPU. The FastAPI server serves the /v1/audio/speech endpoint (HTTP 200, valid WAV). The Gradio WebUI module loads successfully. Streaming playback requires the system PortAudio library (not available in this... 15 minutes.

Application de dictée IA - Open Source et local-first. Tapez 3x plus vite, sans clavier. Propulsée par des modèles open source, fonctionne hors ligne, rapide...

Ce que le test a constaté : Installation completed: Node 24.10.0, pnpm 10.34.5, all 1566 packages installed, whisper native addon compiled (.node binary at packages/whisper-wrapper/native/linux-x64/whisper.node), electron 44.3.0 available, workspace builds pass, and the test suite runs (149/150 test files pass, 1505/1508 tests pass, 3... 23 minutes.

Nœuds personnalisés qui étendent les capacités de Comfyui

Ce que le test a constaté : The repository installs as a ComfyUI custom_nodes extension: pip dependencies install cleanly, ComfyUI starts on CPU, the server answers HTTP 200, and all 8 AlekPet custom node groups load successfully with zero startup errors. 34 minutes.

Un modèle de synthèse vocale basé sur Flow Matching avec contrôle de style via emoji.

Ce que le test a constaté : Irodori-TTS installs and all core modules import cleanly on CPU. The TextToLatentRFDiT model constructs and runs forward passes. The Gradio web UI builds and serves HTTP 200. Inference requires downloading a HuggingFace checkpoint. 8 minutes.

Application whisper multi-backend. Extrêmement rapide. Optimisé pour Mac-arm. Installation facile. Fournissez un fichier local ou une URL et ce service le...

Ce que le test a constaté : transcribe-anything 4.1.2 installed in a uv-managed Python 3.11 venv with Python 3.10 available for iso-envs; 265/278 tests pass, CLI help works, all backends ready for first-use env creation. 21 minutes.

Traduction synchronisée pour les vidéos. Doublage vidéo

Ce que le test a constaté : SoniTranslate web app built with Gradio 4.19.2 launches via python app_rvc.py --cpu_mode and serves a fully constructed UI at http://127.0.0.1:7860 returning HTTP 200 on / and /config endpoints. 22 minutes.

Un modèle multilingue pour la synthèse de dialogues longs multi-locuteur avec contrôle flexible des locuteurs et clonage vocal zero-shot

Ce que le test a constaté : MOSS-TTSD v1.0 model loads from HuggingFace, processor encodes conversations, forward pass returns logits, and generate() produces audio codes and text tokens on CPU with bfloat16 precision. 25 minutes.

Modèle TTS capable de diffuser en continu de l'audio conversationnel en temps réel.

Ce que le test a constaté : Dia2-1B model loads and generates valid 24 kHz mono WAV audio on CPU (bfloat16) via both the Python API and CLI, producing non-silent output with correct speaker-tagged transcription and word timestamps. 12 minutes.

Whisper-Flow est un framework conçu pour permettre la transcription en temps réel de contenus audio à l’aide du modèle Whisper d’OpenAI. Plutôt que de traiter...

Ce que le test a constaté : Whisper Flow V1.1.0 server launches on port 8181, serves /health (200) and /ready (200) endpoints showing model loaded and 0 active sessions, all 29 core tests pass with 97% coverage, and all core modules import correctly. 18 minutes.

Transcription audio quasi-temps réel utilisant Whisper auto-hébergé et WebSocket en Python/JS

Ce que le test a constaté : A fresh venv installs cleanly; the VoiceStreamAI server launches on 127.0.0.1:8765 with the token-free silero VAD plus the real faster-whisper-tiny model and streams a real transcription back over WebSocket ('Good morning, everyone!'), while 2 of 3 unittest tests pass and the pyannote VAD test remains blocked by the... 15 minutes.

Évaluez votre système de reconnaissance vocale avec des mesures de similarité telles que le taux d'erreur de mots (WER).

Ce que le test a constaté : The jiwer package is installed and functional: all 74 tests pass, the CLI prints its help, and the Python API computes WER/MER/WIL/WIP/CER correctly including empty-reference edge cases. 1 minute.

Client API REST Vonage pour PHP. Prise en charge de l'API pour SMS, Voice, Text-to-Speech, Numbers, Verify (2FA) et plus.

Ce que le test a constaté : Vonage client-core installs with composer update and its full PHPUnit suite passes 1096/1096 after the Guzzle 8 version-guard fix in src/Client.php, with SMS send verified end-to-end against a local mock HTTP client. 4 minutes.

Vidéos explicatives et démos de produits réalisées par votre agent IA. Gratuit et open source: une voix locale (Kokoro), la synchronisation des mots (Whisper)...

Ce que le test a constaté : explainroo v0.1.0 is installed with Node.js 20.20.2, Playwright Chromium headless shell, Kokoro TTS, Whisper ASR, and all npm dependencies. The project initializes, voices, checks, stills, sheets, and renders draft MP4s. The how-dns-works example produces a 68s video with 8 scenes. 29 minutes.

Plateforme de runtime C++ ggml pour les modèles ASR et TTS multilingues: Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2, etc. ainsi que l'alignement...

Ce que le test a constaté : CrispASR v0.8.37 builds, runs CLI transcription (Whisper base model), and serves an HTTP API, all tested end-to-end with real audio in this container. 36 minutes.

Claudemy: une alternative open source à Udemy et Coursera. Donnez un sujet à Claude, il recherche sur le web et construit un cours composé de leçons audio de 2...

Ce que le test a constaté : All 39 regression tests pass. beautifulsoup4 is installed in a venv, ffmpeg is available, all four CLI scripts (scrape, check_lessons, render_audio, package_class) emit correct usage docs, the lesson checker correctly validates scripts and citations, and the package class script combines cards into a deliverable. 2 minutes.

Une bibliothèque Python pour résoudre reCAPTCHA v2 et v3 avec Playwright.

Ce que le test a constaté : All 16 tests execute without errors against live reCAPTCHA demo pages and antcpt.com; v2 solvers correctly raise RecaptchaRateLimitError against Google's rate limits, v3 solvers solve antcpt.com successfully, and recaptcha_not_found tests raise proper exceptions when no captcha is present. 7 minutes.

AI Avatar / plateforme d'humain numérique: téléverser une photo, cloner une voix, parler à n'importe quel visage en temps réel avec une vidéo en...

Ce que le test a constaté : Backend FastAPI server runs on port 8000 with SQLite storage, 191 pytest tests pass, frontend Next.js builds and serves on port 3000, full REST API flow (register/login/me/avatar upload/session create/guest) works end to end in local-dev mode without Docker, Redis, or third-party API keys. 10 minutes.

Créez des agents téléphoniques IA sur votre propre ordinateur et testez chaque modification avec un appelant IA. Open source, fonctionne gratuitement sans clés...

Ce que le test a constaté : Both packages (vpd-vk 0.3.0, vpengine 0.3.0) installed in .venv-engine; 453 tests pass; engine starts and answers health and chat session endpoints. 23 minutes.

Reconnaissance vocale générative conçue d'abord pour l'arabe: Audar-ASR-V1 (Flash + Turbo). #1 sur l'Open Universal Arabic ASR Leaderboard. Fiches de modèles...

Ce que le test a constaté : Audar-ASR-V1-Flash model loads and transcribes on CPU. All three reference API functions (transcribe, transcribe_long, stream_transcribe) work correctly. 27 minutes.

Dramaxis (剧枢): plateforme de narration audiovisuelle et de commentaire intelligent multi-agent de qualité cinéma (Tauri 2 + Rust + React 19). 6 grands agents...

Ce que le test a constaté : All 280 frontend tests pass, frontend production build succeeds (299 modules), 10 of 11 Rust workspace crates compile and all their tests pass (core=13, intake=17, export=18), VitePress docs build succeeds. Tauri desktop shell (root Cargo.toml + update crate) blocked by missing libwebkit2gtk-4.1-dev system packages... 11 minutes.

Une phrase suffit pour que l'IA crée votre vidéo promotionnelle! Donnez le nom du produit ou l'URL à Cursor, Claude Code, Codex, etc. L'outil recherche le...

Ce que le test a constaté : Template project installs, fonts subset correctly, stills render, 1080p preview video renders cleanly, web player builds; lint passes; all doctor checks pass except optional ElevenLabs key. 10 minutes.

Dictée vocale locale et enregistreur de réunions pour Windows + Linux. Maintenez une touche de raccourci pour dicter, ou enregistrez des réunions longues avec...

Ce que le test a constaté : pnpm+uv deps installed, TypeScript+Python code compiles/typechecks, frontend Vite build succeeds, 331/331 backend tests pass, and the Qt+Pyloid desktop app launches on the virtual display and loads the Whisper speech model. 22 minutes.

Open-source AI meeting copilot - transcription en temps réel, annulation d'écho et assistance IA. Il capture l'audio système + micro, annule l'écho via WebRTC...

Ce que le test a constaté : Raven 2.5.0 Electron app builds from source, runs tests (1088 passed), and launches on Linux with Vite dev server and Electron main process. 3 minutes.

Reconnaissance vocale très rapide, diarisation, streaming (même sur CPU) avec NVIDIA Parakeet en Rust

Ce que le test a constaté : parakeet-rs compiles, all 24 tests pass, and the full ONNX inference pipeline runs successfully with a verified model. 4 minutes.

Client Vonage API pour Node.js. Prise en charge de l'API pour SMS, Voice, Text-to-Speech, Numbers, Verify (2FA) et plus encore.

Ce que le test a constaté : The @vonage/server-sdk monorepo installs cleanly under Node 22.23.4, all 618 tests pass, all 28 packages build to CJS/ESM/DTS, lint passes, and a real end-to-end call against a local mock returned a parsed account balance of 10.28 EUR and an SMS response with message-count 1 and status 0. 5 minutes.

Un package Python léger pour la reconnaissance automatique de la parole utilisant des modèles ONNX

Ce que le test a constaté : All 249 core tests pass, package imports correctly, CLI displays help with all supported model names, and whisper-tiny model executes real ASR inference via Hugging Face. 12 minutes.

Transcription vocale dans Obsidian avec Whisper

Ce que le test a constaté : All 69 tests pass (5 test files), TypeScript type-checking passes, esbuild bundles main.js successfully with no errors. 1 minute.

Une application de bureau pour transcrire de l'audio et de la vidéo à partir de fichiers, d'URL, de vidéos YouTube ou de votre microphone, puis modifier...

Ce que le test a constaté : All 554 tests pass, the desktop GUI opens a mapped window on Xvfb, and the CLI transcribes audio files with WhisperX on CPU. 8 minutes.

AAAI 2025: Le codec compte: explorer les lacunes sémantiques du codec pour les modèles de langage audio

Ce que le test a constaté : X-Codec model builds, imports, runs encode/decode on real audio across all bandwidths, and produces valid WAV output. 8 minutes.

Portage du modèle Whisper d'OpenAI en C/C++

Ce que le test a constaté : whisper.cpp builds from source and transcribes the JFK speech sample correctly with the base.en model on CPU, returning 7 passing tests and a working HTTP server. 5 minutes.

Créer et modifier des tutoriels vidéo IA avec des leçons illustrées, des présentateurs expressifs, des voix distinctes et une timeline native. Application de...

Ce que le test a constaté : All 6 workspace packages build successfully. JS unit tests pass 156/156 (packages/contracts/scenes/themes). Renderer tests pass 100/117 (17 pre-existing version-mismatch failures). Python pipeline tests pass 942/956 (2 pre-existing failures: Linux path normalization vs Windows test, and stale manifest byte count). The... 22 minutes.

Scraper TikTok, Douyin et Bilibili auto-hébergé et téléchargeur de vidéos sans filigrane: API REST asynchrone, serveur MCP pour AI agents, CLI et console web...

Ce que le test a constaté : All 2960 tests pass (2450 unit + 510 integration), the CLI outputs version 5.0.1 and lists 10 commands, the API server starts and serves healthz/readyz/swagger/console root with 200, the web console SPA is built, and both the PostgreSQL+TimescaleDB and Redis backends and the Go downloader sidecar run. 48 minutes.

Un runtime vocal en temps réel qui maintient les Agents en conversation, en action et présents. Runtime vocal en temps réel pour AI Agents.

Ce que le test a constaté : The qwen-audio-agent v1.11.0 project installs, builds, launches a Gateway serving HTTP 200 on port 3101, and passes all 1789 automated tests with zero failures. 9 minutes.

Vocello: un studio vocal privé pour Apple Silicon. Écrivez un script, choisissez ou décrivez une voix, et générez la parole localement sur votre Mac et votre...

Ce que le test a constaté : On this Linux container the repository's deterministic contract gate passes cleanly, the Python suite passes 1526 tests with 2 unfixable lsof-dependent tests failing, the website's 19 unit tests and production build pass under portable Node 22, and a vite preview server served the prerendered site and both... 12 minutes.

Client en ligne de commande Whisper compatible avec le client OpenAI original basé sur CTranslate2.

Ce que le test a constaté : Installed in a venv; the CLI answers version 0.5.7, all 17 unit tests pass, and 6 of 7 e2e tests pass including real small/medium-model transcription of the bundled samples matched against reference outputs, with only diarization failing because it needs a real HuggingFace token and pyannote/torch. 22 minutes.

Dramaxis (剧枢): une plateforme multi-agents de narration cinématographique et de commentaire intelligent (Tauri 2 + Rust + React 19). 6 grands agents...

Ce que le test a constaté : Frontend installs, type-checks, builds, and its full Vitest and Playwright suites pass (157 unit tests, 8 e2e tests), and all 12 non-GUI Rust crates build and pass 79 unit plus 2 doc tests; the Tauri desktop shell still cannot be compiled because its system GTK/WebKit dev libraries are absent from this container. 28 minutes.

Générateur de sous-titres ASR/STT. Utilise Qwen3-ASR, un LLM local, Whisper et TEN-VAD. Robuste au bruit pour JAV.

Ce que le test a constaté : Project installed from source at /work/repo with 79 packages in a Python 3.12 venv. All 4 verification commands pass: import, --version (1.9.3), --help (full CLI), --dump-params (safe config probe). 617/617 clean tests pass; 43 failures and 11 errors are pre-existing (version drift, restructured config, missing... 11 minutes.

Kit de production vidéo AI-native pour Claude Code

Ce que le test a constaté : Hello-world, sprint-review template, render-baseline test, and concept-explainer-short template all render valid MP4 videos; migration script fixed and installs all 27 skills/commands; verify_setup.py confirms all prerequisites met. 16 minutes.

Une excellente extension de navigateur qui lit à voix haute le contenu d'une page web en un clic.

Ce que le test a constaté : Read Aloud extension package builds cleanly (474KB ZIP), all 49 JS files pass node syntax check, the extension loads into Chromium 127 via Playwright without errors, manifest declares all TTS permissions and a service worker, and 14 distinct TTS engine implementations are wired in tts-engines.js. 5 minutes.

Nœuds OmniVoice TTS pour ComfyUI - Synthèse vocale multilingue zero-shot avec clonage vocal, conception vocale et dialogue multi-locuteur

Ce que le test a constaté : 5 OmniVoice TTS ComfyUI nodes (Longform TTS, Voice Clone, Voice Design, Multi-Speaker, Whisper Loader) installed and registered; OmniVoice-bf16 model loads from HuggingFace cache, generates valid 24kHz audio waveform from text on CPU in ~9 seconds for 2-second utterance. 5 minutes.

Alternative open-source, local d'abord à Granola/Otter, que Claude Code, Codex, Cursor et tout client MCP peuvent interroger. Réunions, appels et mémos vocaux...

Ce que le test a constaté : The minutes CLI v0.27.0 binary builds and runs: 59 commands available, demo generates 5 sample meetings with correct markdown frontmatter and YAML metadata, capabilities endpoint reports 50+ features, whisper-guard passes 14/14 tests, 1827/1864 minutes-core tests pass with 37 container-limited failures, 3/4... 30 minutes.

Une application gratuite, open source et extensible de reconnaissance vocale qui fonctionne entièrement hors ligne.

Ce que le test a constaté : The Handy app builds from source (debug binary + frontend), passes its full Rust unit test suite (271/271) and Playwright frontend tests (2/2), and launches and stays up on the Xvfb virtual display, enumerating its CPU compute device and 69-model catalog via CLI. 67 minutes.

Un outil de reconnaissance de la parole silencieuse en temps réel.

Ce que le test a constaté : AVSR model loads on CPU and produces transcriptions from video features; MediaPipe face detector initializes; all Python imports resolve; webcam capture fails in headless environment (no /dev/video0) but app otherwise works. 23 minutes.

IA sur appareil pour Flutter: Gemma et autres LLM, multimodal, appel de fonction, embeddings, RAG et parole sur Android, iOS, Web, macOS, Windows et Linux.

Ce que le test a constaté : All 14 Dart pub workspace packages with test directories pass their test suites on Linux x64 with Flutter 3.47.0 and Dart 3.13.0, with 0 errors and all 567 analyzer findings at info level only. 11 minutes.

VRCT (Traducteur et transcription de la boîte de discussion de VRChat)

Ce que le test a constaté : Python backend starts and completes full initialization (Whisper model, CTranslate2, OSC), Vite frontend builds and serves, all 936 pytest tests pass, OCR engine is ready with downloaded models, Rust toolchain installed; Tauri native build blocked by missing webkit2gtk-4.1 system libraries (not installable without... 25 minutes.

Application de bureau gratuite et open source d'IA pour les livres audio, les podcasts, les documentaires, les films et les vidéos animées, avec des modèles...

Ce que le test a constaté : Dependencies installed, 819 non-multimedia tests pass (0 failures), the engine host HTTP server answers 200 on /health, and 4 code/test bugs were fixed; the Qt GUI cannot launch because no PipeWire audio daemon runs in this container. 31 minutes.

Amphion (/æmˈfaɪən/) est une boîte à outils pour la génération audio, musicale et vocale. Son objectif est de soutenir la recherche reproductible et d'aider...

Ce que le test a constaté : Core dependencies installed, evaluation metrics compute correctly on audio pairs, model classes import cleanly. pyworld-dependent f0 metrics unavailable without python3-dev headers. Cython monotonic_align extension uncompiled for same reason. 25 minutes.

Une bibliothèque de synthèse vocale (TTS), de reconnaissance vocale (STT) et de conversion de parole en parole (STS) construite sur le framework MLX d'Apple...

Ce que le test a constaté : mlx-audio v0.5.6 installed in a Python venv with mlx[cpu] backend, 354 of 376 tests pass (22 skipped due to missing torch/diffusers for parity), FastAPI server starts and responds 200 on /v1/models, all five CLI tools print help. 8 minutes.

ODS V3 Pré-version: tests publics et affinage avant le lancement officiel de V3. Transformez votre PC, Mac ou boîtier Linux en serveur IA privé.

Ce que le test a constaté : Project builds correctly, all 418 bats tests, 14/14 smoke tests (after ai_err fix), ~300 shell/Python contract tests, and the vite frontend build pass. The Docker runtime install cannot complete in this environment, but the dry-run installer, CLI (-v2.6.0), all standalone test suites, and the frontend are functional. 15 minutes.

Un compagnon de bureau AI autonome et contextuel. Développé avec Python, avec vision d'écran en temps réel, synthèse vocale ONNX personnalisée, suivi de la...

Ce que le test a constaté : All 18 modules initialize correctly: EventBus, KinematicsEngine, WindowManager, FaceRenderer, ChatBubble, InputBox, StateMachine, CognitiveEngine (Groq mode), Vision sensors (semantic + mss), WindowTracker, AutonomyEngine, and VoiceEngine all boot to 'B is alive' with the Qt event loop running at ~62fps. Windows-only... 28 minutes.

Une famille de modèles open source pour la synthèse vocale de longue durée, la synthèse de dialogue, la conception vocale, les effets sonores et la TTS en...

Ce que le test a constaté : MOSS-TTS Python package installs and builds; FastAPI server starts and serves /health endpoint on port 8768; CLI entry point prints usage; all core Python modules import; the project is ready for model weight download and GPU inference but cannot run inference in this container because no CUDA GPU is available and the... 31 minutes.

Le SDK Python officiel pour l'API ElevenLabs.

Ce que le test a constaté : The elevenlabs Python SDK v2.69.0 is installed in a venv and all 219 tests pass using httpx.MockTransport to mock ElevenLabs API endpoints. 15 minutes.

IA multimodale en temps réel sur l'appareil avec des fonctionnalités similaires à GPT-Live

Ce que le test a constaté : Project installs, builds, and the server starts with Gemma 4 E2B loaded and serving HTTP+WebSocket; the end-to-end AI pipeline (turn detection, llama.cpp inference, transcript parsing, TTS) all initialize and run correctly when tested manually, but the full test suite cannot complete because CPU-only inference exceeds... 77 minutes.

AI Agent Studio local Windows pour le commerce en direct sur Douyin, unifiant le workflow intelligent pour la découverte des animateurs, l'analyse des...

Ce que le test a constaté : The web UI serves 200 with the LiveAgent Studio title, the local gateway health endpoint verifies both mock DashScope and mock OSS as configured/verified, all 37+16+3 agent unit tests plus the frontend build tests pass, and the full video breakdown pipeline produced and decoded a real timestamped Excel transcript. 27 minutes.

Studio IA local portable pour Windows, Linux et macOS. Interface graphique sans configuration pour la génération d'images, les LLM GGUF, la synthèse vocale et...

Ce que le test a constaté : Frontend deps installed, React UI builds and is served on localhost:1420, all 13 regression tests pass, server API endpoints respond correctly. 7 minutes.

Talking Head (3D): Une classe JavaScript pour la synchronisation labiale en temps réel utilisant des avatars 3D corps entier.

Ce que le test a constaté : TalkingHead 3D avatar library installed with npm, local brunette.glb avatar loads successfully in headless Chrome via WebGL, and the full test suite of 32 streaming API tests passes with 0 failures. 14 minutes.

Serveur d'inférence LLM haute performance compatible OpenAI et Anthropic pour Apple Silicon. MLX natif, batching continu, modèles multimodaux, appel d'outils...

Ce que le test a constaté : vllm-mlx 0.5.0 installs into a venv on x86 Linux, its CLI help command prints usage for 8 subcommands, and 1559 of its Linux-compatible unit tests pass. 23 minutes.

Serveur officiel MiniMax Model Context Protocol (MCP) qui permet d'interagir avec de puissantes API de synthèse vocale, de génération d'images et de génération...

Ce que le test a constaté : Package installed in a venv, all 9 pre-existing tests pass (3 server + 6 utils), and the MCP server binary launches and waits for stdio input. 2 minutes.

Une intégration ComfyUI complète pour le modèle de synthèse vocale VibeVoice de Microsoft, permettant une synthèse vocale de haute qualité avec un ou plusieurs...

Ce que le test a constaté : 5/5 nodes registered. Torch 2.14.1+cu130, Transformers 4.57.6, Diffusers 0.39.0. Needs real model files + Qwen2.5-1.5B tokenizer for TTS. 22 minutes.

Interface pour les modèles OuteTTS.

Ce que le test a constaté : outetts 0.4.4 installed with all dependencies including llama-cpp-python 0.3.9 (CPU), Python modules import cleanly, default speakers load, JS test suite 12/12 passes. 15 minutes.

Reconnaissance vocale native pour Linux - dictée à l'échelle du système, rapide, précise, privée et personnalisable.

Ce que le test a constaté : Python venv with all test and runtime dependencies installed; 1146/1146 tests pass; CLI responds correctly for help, config, status, transcribe routing; main service blocked only by missing system libportaudio2 which requires root to install. 17 minutes.

Une application de chat vocal.

Ce que le test a constaté : The QuiLLMan frontend and websocket adapter run locally via uvicorn on port 8000 with a mocked Modal layer serving both the React frontend (200 on /) and a FastAPI websocket endpoint (200 on /status, echo responses on /ws). 11 minutes.

Botium Traitement de la parole

Ce que le test a constaté : The Botium Speech Processing frontend server runs on port 56000 serving status, STT, TTS, languages, voices, and Swagger endpoints, with mock backends for MaryTTS and Kaldi substituting for the Docker-dependent default services. 6 minutes.

Lobe TTS - Une bibliothèque TTS/STT de haute qualité et fiable pour serveur et navigateur

Ce que le test a constaté : Dependencies installed; library builds and type-checks on Node 22.14.0; createEdgeSpeech connects to a WebSocket, sends speech.config and ssml frames, and returns a 200 Response containing the mocked audio payload. 17 minutes.

Reconnaissance vocale pour les projets React Native Expo

Ce que le test a constaté : The library builds and type-checks, its example web app serves and renders with no page or console errors, and its web speech module start/stop/event wiring works against a mock SpeechRecognition in Chrome. 53 minutes.

Transcrivez et traduisez la voix en fichier LRC à l'aide de Whisper et des LLMs (GPT, Claude, et,al). Utilisez whisper et les LLM (GPT, Claude, etc.) pour...

Ce que le test a constaté : openlrc 1.7.0a2 is installed and built in a Python 3.12 venv; all 186 mock-based unit tests pass; the httpx/httpx2 compatibility bug in ClaudeBot and GPTBot constructors is fixed. 27 minutes.

Ce que le test a constaté : All 17 examples install and run: every Next.js example builds (pnpm run build exit 0) and its / and API routes answered 200 against schema-correct local mocks returning real decodable MP3 audio, transcripts, and tokens; the CLI TS/Python quickstarts produced output.mp3 (ffmpeg-decode clean) or printed the transcript... 64 minutes.

Un client simple de synthèse vocale pour l'API Azure TTS.

Ce que le test a constaté : aspeak 6.1.0 builds and runs from source with PKG_CONFIG_PATH and LIBRARY_PATH workarounds; CLI text and SSML synthesis, stdout output, and offline subcommands (list-formats, list-qualities, --help, --version) all work; real Azure endpoint tests skipped due to missing credentials. 10 minutes.

SDK Python officiel pour Deepgram.

Ce que le test a constaté : deepgram-sdk 7.10.0 is installed in a Poetry virtualenv and its full test suite passes (1052 passed, 4 skipped) against a local WireMock-compatible mock, with sync and async client calls returning parsed typed responses and ruff plus mypy clean. 7 minutes.

Assistant d'entretien IA open-source et copilote de réunion: réponses en direct lors des appels Zoom, Google Meet et Teams, transcription sur l'appareil...

Ce que le test a constaté : The app installs and builds on the bundled toolchain, 123 unit tests and 44 relay tests pass, the Electron app launches (windows visible on Xvfb), and a chat request travels from the built app through the local relay to the OpenAI-compatible mock upstream and back with HTTP 200. 10 minutes.

A simple Azure Speech Service module that uses the Microsoft Edge Read Aloud API. https://migushthe2nd.github.io/MsEdgeTTS/

Ce que le test a constaté : pnpm install and TypeScript build succeed, all 10 Jest tests pass using a local WebSocket mock of the Microsoft Edge Read Aloud API. 26 minutes.

Des outils d'IA à la création de vidéos TikTok avec FFMPEG, la lecture à voix haute de Microsoft Edge et le modèle OpenAI Whisper

Ce que le test a constaté : Package installs (uv sync --frozen), CLI help works, list-voices queries real Edge TTS API returning 9 Male + 8 Female English voices, create pipeline runs end-to-end with yt-dlp YouTube download, Whisper transcription, FFmpeg video composition delivering a valid 2.3MB MP4, and pytest passes 1/1. 7 minutes.

Sayna est une couche vocale unifiée pour les AI Agents, avec une intégration transparente aux frameworks agentiques existants.

Voicy (@voicybot): un bot Telegram qui convertit les messages vocaux en texte dans les groupes et les discussions privées.

Ce que le test a constaté : The repo installs and builds (yarn install + tsc), and 32 proof scripts including the worker end-to-end vNext QAs pass against a locally-started mongod; live-Telegram checks were not run because they need a real bot token, and the local-whisper proof was made platform-independent. 6 minutes.

Sous-titres traduits en direct à partir de l'audio de l'ordinateur ou du microphone.

Ce que le test a constaté : Full Rust library unit-test suite (421 tests) passes, frontend vitest suite (120 tests) passes, TypeScript typecheck and production Vite build succeed, ESLint clean, with all system GTK/WebKit GLib dependencies resolved from apt-downloaded .deb packages extracted to a local prefix. 21 minutes.

Modèles Whisper optimisés pour le streaming et l'utilisation sur appareil

Ce que le test a constaté : In this container the Python package installs and imports, the streaming pipeline and examples/server.py run against a local mock ASR endpoint returning word timestamps, and the Electron client launches on the virtual display and completes a session-create/audio-chunk/process transcription round trip; real CUDA/CoreML... 34 minutes.

24 compétences d'agent multiplateforme pour Claude Code, Cursor, Codex et Gemini CLI: bases de données, messagerie, recherche, TTS, DevOps et Google Workspace.

Ce que le test a constaté : All Python deps install and the full pytest suite passes (11 passed, 1 skipped); Outline, Telegram, Google TTS, ElevenLabs, Imagen, and NotebookLM E2E smoke are verified working against local mocks with production defaults preserved, while real-database skills and credential-gated third-party skills remain unverified... 40 minutes.

Nœud personnalisé ComfyUI pour le VibeVoice TTS. Audio conversationnel expressif, long format et multi-locuteur.

Ce que le test a constaté : ComfyUI-VibeVoice v2.11.0 core modules and nodes install successfully; 1365 of 1634 tests pass under mocked ComfyUI stubs; remaining 230 failures require a real ComfyUI installation with model weights and GPU. 31 minutes.

SDK open source d'IA vocale. L'alternative à Vapi/Retell pour les développeurs qui veulent posséder la pile. Donnez à votre agent IA un numéro de téléphone en...

Ce que le test a constaté : Python SDK installs and runs 3037 passing tests. TypeScript SDK installs, compiles with zero errors, builds, and all test files pass. Python CLI responds with usage text. Two code bugs (SSRF IPv4-mapped blocking, mtime tiebreaker) and one tooling issue (vitest/vite version mismatch) were diagnosed and fixed. 41 minutes.

Sous-titres traduits en direct à partir de l'audio de l'ordinateur ou du microphone.

Ce que le test a constaté : In this container, mimi builds cleanly (all check.sh gates green) and the dev binary launches and stays up on the Xvfb display with settings, overlay, control and tray windows mapped, its UI-test synthetic session toggling between listening and idle via the Ctrl+Shift+Space global shortcut; real provider calls and... 36 minutes.

:speech_balloon: /so.nus/ STT (reconnaissance vocale) pour Node avec détection de mot-clé vocal hors ligne

Ce que le test a constaté : With the recorded workarounds, the project's dependencies install, the snowboy native addon and grpc load, ESLint passes, the snowboy detector fires the hotword on real audio, and sonus's hotword-to-recognition flow works against a mock speech recognizer. 17 minutes.

Un serveur de lecture de documents open source avec lecture à voix haute, offrant des options TTS de haute qualité, un surlignage synchronisé et l'exportation...

Ce que le test a constaté : Node.js v22.12.0 with pnpm 10.33.4 installed, all 810 unit tests pass (0 failed), TypeScript type checking clean for both main app and compute-worker, production build compiles successfully, linting and boundary checks pass, and the development server starts and serves all pages (root, signin, signup) with HTTP 200. 8 minutes.

Nœud ComfyUI pour la parole très expressive et le clonage vocal réaliste en zéro-shot.

Ce que le test a constaté : ComfyUI-VoxCPM v2.4.0 loads in ComfyUI 0.42.0 on CPU; all 6 custom nodes registered under audio/tts categories; test suite runs 61/62 passing; ComfyUI server starts and responds on --cpu flag; frontend JS extension served; model scanning, settings, validation, and configuration types all verified standalone. 9 minutes.

Voice AI runtime. Transcription locale en premier, diarisation des locuteurs, TTS et clonage vocal avec une API compatible OpenAI.

Ce que le test a constaté : Izwi CLI 0.1.0-beta-18 and HTTP API server compile and run on linux-x86_64 with CPU backend; all 3169+ unit tests pass across 7 workspace crates; server serves OpenAI-compatible /v1/ endpoints on port 8080 with proper health, metrics, model listing, OpenAPI docs, and web UI; desktop Tauri shell cannot build due to... 30 minutes.

Outil de prise de notes de réunion IA, axé sur la confidentialité, pour Windows et macOS. Gratuit et open source (MIT). Transcription sur l'appareil...

Ce que le test a constaté : Meetily Tauri app builds from source, all Rust (188) and frontend (8) tests pass, and the desktop app launches successfully on Xvfb, initializing all subsystems including Tauri GUI, notification system, database, tray icon, and model managers. 61 minutes.

La bibliothèque officielle JavaScript (Node) pour l'API ElevenLabs.

Ce que le test a constaté : The repository installs with npm, builds with tsc, and its full Jest suite (1094 tests, 179 suites) plus a 22-check SDK probe pass under Node 20 against a local schema-correct mock of the ElevenLabs API, with generated mp3 audio verified by ffmpeg decode and WebSocket realtime/speech-engine paths verified live. 19 minutes.

Éditeur vidéo open source et local d'abord, où les créateurs et les AI agents éditent la même timeline réelle.

Ce que le test a constaté : npm install, TypeScript typecheck, and Vite build all pass; the dev server starts and serves the application at localhost:5173; the headless timeline CLI command engine parses commands and returns structured JSON errors. 9 minutes.

Un workflow Alfred 5 pour utiliser l'API Chat d'OpenAI afin d'interagir avec les modèles GPT. Il permet également la génération/édition/compréhension d'images...

Ce que le test a constaté : Ruby 3.4.7 installed via Conda; all 21 source files pass syntax check; 11 of 12 test files pass (the lone failure is a macOS-only afplay assertion); the WEBrick HTTP server boots and serves pages correctly; the HTML page builder produces complete output. 6 minutes.

Un modèle TTS capable de générer des dialogues ultra-réalistes en une seule passe.

Ce que le test a constaté : Package nari-tts installs and all modules import, config loads from HF, CLI help parses, and audio utility functions work correctly, but the 1.6B-parameter model cannot load on this container's 755 MB of RAM (needs at least 3.2 GB). 10 minutes.

Speech Note Linux app. Note taking, reading and translating with offline Speech to Text, Text to Speech and Machine translation.

Ce que le test a constaté : CMake configured successfully in build_final2 with Qt6 6.4.2, Catch2, fmt, ffmpeg; full build fails at dsnote_lib because 18+ external C/C++ API symbols from webrtc_vad, rnnoise, espeak-ng, piper, april-asr, sam, rdrview, cld2, google_pinyinim, xdo, qhotkey, libarchive, taglib, ssplitcpp, maddy, html2md, cpp-pinyin... 48 minutes.

Passerelle IA auto-hébergée pour RAG privé, accès aux données en langage naturel et agents tool-calling.

Ce que le test a constaté : n'a pas pu être vérifié ; le log montre où il s'est arrêté. 28 minutes.

Rendre les voix TTS naturelles d'Azure accessibles à toute application compatible SAPI 5.

Ce que le test a constaté : x64 release binaries (TtsApplication.exe and NaturalVoiceSAPIAdapter.dll) extracted from GitHub release v0.2.9 and run under a manually-extracted wine-9.0 environment with zlib1.dll provided from MSYS2 mingw64, the GUI app launches and stays running, and the COM DLL registers successfully via regsvr32. 20 minutes.

Donnez aux AI agents des yeux, des oreilles et des résultats vérifiables. Watch Skill transforme la vidéo, l'audio et l'activité de l'écran en preuves...

Ce que le test a constaté : watch-skill 1.4.3 installed with all extras; 2215 offline tests pass; ruff clean; CLI reports all dependencies operational; lint checks pass. 88 minutes.