thewhisper
リアルタイム処理とオンデバイス動作に最適化したWhisper音声認識モデル。Apple SiliconやNVIDIA GPUに対応し、文字起こしや翻訳に使えます。
Xで共有ライセンス: MIT
概要
TheWhisper は、ストリーミングやオンデバイス利用向けに最適化した Whisper の音声認識モデルを提供します。元の 30 秒ではなく可変のチャンクサイズに対応した公開ウェイトを Hugging Face で配布し、NVIDIA GPU 向けの推論エンジンと、Apple Silicon の macOS 向け CoreML エンジンも用意しています。セルフホストとローカル文字起こしを重視し、サンプルのフロントエンド付きローカル REST API も含みます。
主な特長
- 可変チャンクサイズのストリーミング文字起こし
- Whisper モデルの公開ウェイトを Hugging Face で提供
- NVIDIA GPU 向け推論エンジン
- macOS と Apple Silicon 向け CoreML エンジン
- JavaScript と Electron の例付きローカル REST API
こんな人・用途に
NVIDIA や Apple のハードウェアで、高速なセルフホストまたはオンデバイスの文字起こしを使いたい開発者向けです。ローカルのノートアプリ作りなどに向きます。
- アップストリーム
- TheStageAI/TheWhisper
- GitHubのフォーク
- Guo-astro/thewhisper
- アップストリームのスター数
- 898
- カテゴリ
- ドキュメント・メディア・コンテンツ
- 言語
- Python
- ライセンス
- MIT
- フォーク日
- 2025-11-21
- 同期状態
- 同期済み最終同期 2026-10-11
同じカテゴリ: ドキュメント・メディア・コンテンツ
PhotoCraftは、レイヤー画像やPhotoshopのPSDをオフラインで編集できるRust製の画像編集アプリです。編集内容はPSDで保存できます。
フォーク日 2026-10-10最終同期 2026-10-11ライセンス: Apache-2.0ドキュメント・メディア・コンテンツGitHub
Pocket TTSは、GPUや音声生成Web APIを使わず、CPU上でテキストから音声を作る軽量なPython音声合成ツールです。Python APIまたはCLIから利用できます。
フォーク日 2026-10-09最終同期 2026-10-11ライセンス: MITドキュメント・メディア・コンテンツGitHub
動画や音声をローカルで編集・確認できるFFmpegツールキットです。コーディングエージェントからも直接利用でき、メディアのアップロードやAPIキーは不要です。
フォーク日 2026-10-04最終同期 2026-10-11ライセンス: MITドキュメント・メディア・コンテンツGitHub
深層学習の教科書を中国語で読むための資料で、読者の修正提案を集めて正確さを高めます。
フォーク日 2026-10-04最終同期 2026-10-11ライセンス表記なしドキュメント・メディア・コンテンツGitHub