মানসম্মত ওপেন-সোর্স প্রজেক্ট আবিষ্কার করুন, বেনামে প্রজেক্ট জমা দিন এবং নিজের প্রজেক্ট দাবি করে সম্পাদনা করুন।
কৌতূহল নিয়ে ওপেন সোর্স আবিষ্কার করুন।
THE FIRST COLLECTIONChatMonteur হলো টকিং-হেড ফুটেজের জন্য একটি এজেন্ট-অরকেস্ট্রেটেড AI ভিডিও এডিটর। এটি ট্রান্সক্রাইব করে, অর্থ অনুযায়ী কাট করে, ক্যাপশন, মোশন গ্রাফিক্স, শব্দ এবং কালার যোগ করে—যা Claude Code বা Codex দ্বারা পরিচালিত। দুটি কোয়ালিটি গেট দুর্বল প্ল্যান এবং ত্রুটিপূর্ণ ফাইল বাতিল করে। এটি ডিফল্টভাবে বিনামূল্যে এবং লোকাল।
এটি একটি Python টুল যা অনুমোদিত YouTube ভিডিওকে বাংলা উপশিরসের সাথে স্থানীয়করণ করে এবং B সাইটে প্রকাশে সহায়তা করে, যা শব্দ নথিভুক্তি, OCR শনাক্ত, LLM অনুবাদ এবং হার্ড সাবটাইটেল রেন্ডারিং সমর্থন করে।
Voicebox একটি ওপেন-সোর্স, লোকাল-ফার্স্ট এআই ভয়েস স্টুডিও যা ভয়েস ক্লোনিং, টেক্সট-টু-স্পিচ, গ্লোবাল ডিক্টেশন এবং এমসিপি-সচেতন টুলের মাধ্যমে এআই এজেন্টদের কথা বলার সুবিধা প্রদান করে।
Magnetic হলো Windows-এর জন্য একটি বিনামূল্যে এবং ওপেন-সোর্স নন-লিনিয়ার ভিডিও এডিটর, যাতে রয়েছে একটি ম্যাগনেটিক টাইমলাইন এবং AI-চালিত এডিটিং টুলস।
Verba একটি offline-first ডেস্কটপ অ্যাপ যা AI কোচের সাথে কথা বলে ভাষা শেখায়। এটি Ollama বা নিজস্ব provider key দিয়ে কাজ করে, ইনলাইন সংশোধনী, ধাপে ধাপে পড়া, spaced repetition vocabulary এবং speech/dictation সুবিধা দেয়।
Soenneker.Libraries.Whisper.CTranslate দ্বারা প্রকাশিত Windows এক্সিকিউটেবল-টিকে আপ-টু-ডেট রাখার জন্য একটি অটোমেশন রানার, যা নির্ধারিত এবং অন-ডিমান্ড GitHub Actions ওয়ার্কফ্লো দ্বারা পরিচালিত হয়।
LearnNote হলো একটি লোকাল-ফার্স্ট AI লার্নিং অ্যাসিস্ট্যান্ট, যা Bilibili, YouTube এবং লোকাল ভিডিও বা PDF থেকে সাবটাইটেল বা ট্রান্সক্রিপশনের মাধ্যমে স্ট্রাকচার্ড নোট তৈরি করে এবং ওয়েব ওয়ার্কবেঞ্চে পড়া, সম্পাদনা ও এক্সপোর্ট করার সুবিধা দেয়।
OpenAI-এর Whisper অটোমেটিক স্পিচ রিকগনিশন (ASR) মডেলের জন্য একটি উচ্চ-ক্ষমতাসম্পন্ন C/C++ ইমপ্লিমেন্টেশন, যা হালকা এবং ক্রস-প্ল্যাটফর্ম ডেপ্লয়মেন্টের জন্য ডিজাইন করা হয়েছে।
SkyClass Distill হলো একটি পাইপলাইন টুল যা শিক্ষামূলক ভিডিওকে কাঠামোগত Teaching Skills-এ রূপান্তর করে। এটি ভিডিও সংগ্রহ, ট্রান্সক্রিপশন, প্রমাণ নিষ্কাশন এবং LLM ডিস্টিলেশন সমর্থন করে।
Xinference একটি ইউনিফাইড ইনফারেন্স লাইব্রেরি যা ভাষা, বক্তৃতা এবং মাল্টিমোডাল মডেল পরিবেশন করে। এটি OpenAI-সামঞ্জস্যপূর্ণ RESTful API, হেটেরোজেনিয়াস GPU/CPU ব্যবহার, বিতরণকৃত ডিপ্লয়মেন্ট এবং LangChain, LlamaIndex, Dify, Chatbox-এর সাথে ইন্টিগ্রেশন প্রদান করে।
স্পিকার-ভিত্তিক লেন সমৃদ্ধ একটি ব্রাউজার-ভিত্তিক সাবটাইটেল এডিটর। এটি ট্রান্সক্রিপশন থেকে সংশোধন এবং এক্সপোর্ট পর্যন্ত পুরো প্রক্রিয়াটিকে আরও দক্ষ করে তোলে।
by2kb একটি ওপেন-সোর্স টুল যা Bilibili ও YouTube ভিডিও URL বা স্থানীয় ফাইলকে Markdown ভিত্তিক ট্রান্সক্রিপ্ট, সারাংশ ও নোটে রূপান্তর করে। এটি AI এজেন্ট-সহায়ক ওয়ার্কফ্লো এবং স্থানীয়/ক্লাউড ASR সমর্থন করে, খরচ-সাশ্রয়ী পাইপলাইন ও কাস্টমাইজযোগ্য স্কিলসহ প্রমাণ-সংরক্ষণ নিশ্চিত করে। Python 3.12+, pipx এবং ffmpeg প্রয়োজন।
Whisper এবং Gemini চালিত একটি AI ভিডিও এডিটিং টুল যা থাই এবং ইংরেজি ভাষা সমর্থন করে। এটি GPU এবং Docker-এর মাধ্যমে ৩-৪ গুণ দ্রুত গতিতে ভিডিওর গুরুত্বপূর্ণ অংশ কাটা এবং সাবটাইটেল তৈরি করতে সক্ষম।
CTranslate2 ব্যবহার করে OpenAI-এর Whisper মডেলের একটি দ্রুত পুনঃবাস্তবায়ন, যা ট্রান্সক্রিপশন গতি বৃদ্ধি এবং মেমরি ব্যবহার হ্রাস করে।
Tandem একটি সেলফ-হোস্টেড সার্ভার যা ওয়েব এবং অ্যান্ড্রয়েড ক্লায়েন্টের মাধ্যমে ই-বুক এবং অডিওবুকের মধ্যে পড়ার অবস্থান সিঙ্ক্রোনাইজ করে। এটি Whisper ব্যবহার করে অডিওবুক ট্রান্সক্রাইব করে এবং বাক্য অনুযায়ী EPUB টেক্সটের সাথে মিলিয়ে প্রগ্রেস সংরক্ষণ করে।
LazyEdit হলো একটি লোকাল-ফার্স্ট, AI-সহায়ক ভিডিও ওয়ার্কফ্লো যা এন্ড-টু-এন্ড কন্টেন্ট তৈরি, প্রসেসিং এবং ঐচ্ছিক পাবলিশিংয়ের জন্য ব্যবহৃত হয়।
WhisperLiveKit একটি ওপেন-সোর্স, সেলফ-হোস্টেড স্পিচ-টু-টেক্সট পাইপলাইন যা আল্ট্রা-লো-লেটেন্সি রিয়েল-টাইম ট্রান্সক্রিপশন ডিজাইন করা হয়েছে। এতে WebSocket ও OpenAI/Deepgram কম্প্যাটিবিল API সমর্থন রয়েছে।
