कम विलंबता वाली स्पीच-टू-टेक्स्ट लाइब्रेरी जिसमें वॉयस एक्टिविटी डिटेक्शन और वेक वर्ड्स शामिल हैं।
न्यूनतम कोड के साथ वॉयस असिस्टेंट, डिक्टेशन टूल और स्ट्रीमिंग सर्वर बनाएं।
RealtimeSTT एक Python लाइब्रेरी है जो वॉयस एक्टिविटी डिटेक्शन, तेज ट्रांसक्रिप्शन और वेक वर्ड एक्टिवेशन प्रदान करती है। यह इंटरैक्टिव वॉयस एप्लीकेशन या कस्टम स्ट्रीमिंग सर्वर बनाने वाले डेवलपर्स के लिए उपयुक्त है।
यह लाइब्रेरी ऑडियो स्ट्रीम को कैप्चर करती है, WebRTC या Silero VAD का उपयोग करके स्पीच का पता लगाती है, और faster-whisper या sherpa-onnx जैसे इंजन के माध्यम से ऑडियो को ट्रांसक्रिप्ट करती है। यह Porcupine या OpenWakeWord के माध्यम से वैकल्पिक वेक वर्ड डिटेक्शन का समर्थन करती है और इसमें एक पैकेज्ड प्रोडक्शन FastAPI सर्वर शामिल है।
यह स्थानीय वॉयस इंटरफेस, डिक्टेशन सॉफ्टवेयर या ब्राउज़र स्ट्रीमिंग बैकएंड बनाने वाले Python डेवलपर्स के लिए उपयुक्त है। यह गैर-Python स्टैक या शून्य-निर्भरता सेटअप चाहने वाली टीमों के लिए उपयुक्त नहीं है, क्योंकि इसके लिए ऑडियो ड्राइवर और भारी मशीन लर्निंग मॉडल की आवश्यकता होती है।
WebRTC VAD और Silero VAD का उपयोग करके स्वचालित रूप से स्पीच का पता लगाता है।
Porcupine या OpenWakeWord के माध्यम से वैकल्पिक वेक वर्ड ट्रिगरिंग का समर्थन करता है।
faster-whisper, sherpa-onnx, Moonshine और अन्य चयन योग्य बैकएंड पर चलता है।
वर्ioned HTTP और WebSocket एंडपॉइंट के साथ एक वैकल्पिक रिमोट सर्वर शामिल है।
इसके MIT लाइसेंस के तहत मुफ़्त। रिपॉजिटरी में किसी भी सशुल्क होस्टेड विकल्प का उल्लेख नहीं किया गया है, इसलिए एकमात्र लागत हार्डवेयर और मॉडल को स्वयं चलाना है।
877 खुले रिमोट AI-ट्रेनिंग रोल, 16 नवंबर 2026 को अपडेट; ज़्यादातर में $20–$175 प्रति घंटा। इनमें से 5 हिंदी बोलने वालों के लिए हैं। Zekai इन्हें मुफ़्त में लिस्ट करता है; आवेदन एम्प्लॉयर के प्लेटफ़ॉर्म पर जाता है।
`use_microphone=False` के साथ रिकॉर्डर को आरंभ करें और `feed_audio()` का उपयोग करके 16-bit मोनो PCM चंक इनपुट करें।
हाँ, README CPU पर अंतिम ट्रांसक्रिप्ट के लिए sherpa-onnx-nemo-parakeet के साथ लाइव हाइपोथेसिस के लिए sherpa-onnx-nemotron को जोड़ने की सलाह देता है।
Google में Zekai को सबसे पहले देखें