kristoferlund/ostt

Open source voice-to-text for the terminal. Record from a hotkey, transcribe with any provider, pipe to AI or shell commands.

해결하는 문제

OSTT는 터미널에서 음성 입력을 캡처하고 텍스트로 변환하는 네이티브한 방법을 제공합니다. 이 텍스트는 어떤 쉘 워크플로우에도 쉽게 통합할 수 있습니다. 사용자가 다양한 로컬 및 클라우드 기반 음성 인식 제공자 간에 전환할 수 있도록 하여, 재녹음을 하지 않고도 벤더 종속성을 피할 수 있습니다.

작동 방식

사용자는 글로벌 핫키 또는 CLI 명령어를 통해 오디오를 녹음합니다. 이후 도구는 로컬 Whisper 호환 모델(메탈, CUDA, Vulkan을 통한 GPU 가속 포함) 또는 클라우드 API(OpenAI, Deepgram, Groq, Mistral 등)를 사용하여 오디오를 음성 인식합니다. 결과 텍스트는 클립보드, 파일, stdout으로 전송하거나, 사용자 정의 bash 명령어 또는 AI 프롬프트를 통해 추가로 처리할 수 있습니다.

대상 사용자

Linux 및 macOS에서 터미널을 주요 인터페이스로 사용하고, 스크립트 가능한 오픈소스 음성 인식 시스템을 원하는 개발자 및 고급 사용자.

주요 특징

  • 제공자 유연성: Hugging Face 또는 직접 파일을 통해 여러 클라우드 API 및 로컬 오프라인 모델을 지원.
  • 터미널 통합: 전사 결과를 stdout, 파일, 클립보드로 원활하게 파이프.
  • 스크립트 가능한 후처리: AI 프롬프트 또는 쉘 명령어로 전사 텍스트를 변환 가능.
  • 비파괴적 워크플로우: 녹음을 로컬에 저장하여, 다른 모델이나 제공자로 다시 전사해보는 것이 가능.
  • 키워드 강화: 기술 용어 및 이름의 인식을 향상시키기 위한 사용자 정의 어휘 지원.

관련

  • 프로젝트
    ertugrulakben/cashclaw

    CashClaw는 AI 에이전트가 프리랜서 스타일 비즈니스를 운영할 수 있게 해주는 13개의 OpenClaw "스킬"의 npm 배포 팩입니다: HYRVE AI 마켓플레이스에서 작업을 찾고, 견적하고, 서비스(SEO, 콘텐츠, 리드 생성 등)를 실행하고, Stripe를 통해 인보이스를 발행하고 결제를 수령할 수 있습니다. 이 번들에는 하드 비용 상한, 재귀 제한 및 도구 거부 목록을 적용하고 선택적 Telegram 알림을 제공하는 Guard 레이어도 포함되어 있습니다. 설치는 한 줄 명령(`npx cashclaw init`)으로 완료되며, 그 후 에이전트는 HYRVE를 폴링하고, 작업을 자동 수락하며, 예기치 않은 LLM 지출로부터 보호받으면서 자율적으로 운영할 수 있습니다.

  • 프로젝트
    NaomiProject/Naomi

    Naomi는 오픈소스이며 항상 음성 입력을 수신하는 음성 어시스턴트 플랫폼(파이썬, 리눅스/Raspberry Pi)으로, 가정용 기기 제어, 정보 질의, 간단한 파이썬 모듈을 통한 사용자 정의 '스킬' 추가가 가능합니다.

  • 프로젝트
    Signet-AI/signetai

    Signet AI는 문서, 코드, 채팅, 웹 페이지를 수집하여 지속적으로 업데이트되는 지식 그래프를 구축하고, 플러그인("하네스")을 통해 LLM 에이전트에 관련 기억을 공급하는 로컬 데몬입니다. 웹/데스크톱 대시보드, 출처 풍부한 검색, 시크릿 저장, 선택적 테레메트리 기능을 제공합니다.

  • 프로젝트
    Stability-AI/stable-audio-metrics

    장시간 스테레오 오디오 생성 모델을 평가하기 위한 평가 지표 모음으로, Fréchet 거리, KL 발산, CLAP 점수를 계산할 수 있는 도구를 제공합니다.