asr

GLM-ASR-Nano: Ein robustes Open-Source-Spracherkennungsmodell mit 1,5 Milliarden Parametern

Voxtral ASR & TTS läuft nativ und im Browser. Eine Rust-Implementierung von Mistrals Voxtral mini Echtzeit-ASR / TTS unter Verwendung des Burn ML Frameworks

🎙️ Ein intelligenter Sprach-Produktivitätsassistent, der Sprache in sauberen Text, nützliche Aktionen und strukturiertes Wissen verwandelt. Er hilft Benutzern, Ideen zu erfassen, natürlich zu kommunizieren, wiederkehrende Aufgaben zu automatisieren und über verschiedene Apps und Workflows hinweg produktiv zu bleiben.

KI-VTuber mit LLM, ASR, TTS, OCR, CV und weiteren Technologien zum Livestreaming oder um mit dir Minecraft zu spielen.

Ein auf Kotlin basierendes LLM- und ASR-Spracheingabe-Tastatur-App für die Android-Plattform

📦 Schnelle Konvertierung zwischen chinesischen und arabischen Ziffern (Neueste Funktionen: Brüche, Datumsangaben, Temperaturen usw.)

Auf PaddlePaddle basierende Spracherkennung für Chinesisch. Ausgereiftes Projekt mit hervorragenden Erkennungsergebnissen. Unterstützt Training und Vorhersage unter Windows und Linux sowie auf Nvidia Jetson-Entwicklerboards.

Ausführen eines Speech-to-Text-Modells (whisper.cpp) in Unity3d auf Ihrem lokalen Computer.

Ein in PyTorch implementiertes Framework für die automatische Spracherkennung (Streaming und Non-Streaming), das sowohl Online- als auch Offline-Erkennung unterstützt, derzeit die Modelle Conformer, Squeezeformer und DeepSpeech2 sowie verschiedene Datenaugmentierungsmethoden unterstützt.

Open-Source-Toolkit für End-to-End-Spracherkennung unter Verwendung von PyTorch-Lightning und Hydra.

Offline-Spracherkennung mit OpenAI Whisper und TensorFlow Lite für Android

INTERSPEECH 2023-2024 Papers: Eine vollständige Sammlung einflussreicher und spannender Forschungspapiere der INTERSPEECH 2023-24 Konferenz. Entdecken Sie die neuesten Fortschritte in der Sprach- und Textverarbeitung. Code enthalten. Sternen Sie das Repository, um den Fortschritt der Sprachtechnologie zu unterstützen!

Ein industrietaugliches All-in-One-ASR-System auf dem neuesten Stand der Technik mit ASR-, VAD-, LID- und Punc-Modulen. FireRedASR2 unterstützt Chinesisch (Mandarin, über 20 Dialekte/Akzente), Englisch, Code-Switching sowie Sprache- und Gesangs-ASR. FireRedVAD unterstützt Sprache/Gesang/Musik in über 100 Sprachen. FireRedLID unterstützt über 100 Sprachen und über 20 chinesische Dialekte. FireRedPunc unterstützt Chinesisch und Englisch.

Auf Deep Learning basierende On-Device-Streaming-Speech-to-Text-Engine

Echtzeit-Audioübersetzung, die System-Audio und Mikrofon erfasst, ASR (Whisper/SenseVoice) ausführt und via LLM-API mit Streaming-Anzeige übersetzt. Ideal für VTuber, Livestreamer und das Ansehen fremdsprachiger Inhalte.

Theorie, Arbeiten und Präsentationen zur Spracherkennung

🤗 Optimum Intel: Beschleunigung der Inferenz mit Intel-Optimierungstools

Kommerzielle Open-Source-Bibliothek für automatische Spracherkennung, sofort einsatzbereit, plattformübergreifend, mit gemischter chinesisch-englischer Erkennung. Eine plattformübergreifende Implementierung der ASR-Inferenz, basierend auf ONNXRuntime und FunASR. Wir bieten eine Reihe einfacherer APIs zum Aufrufen von ASR-Modellen.

Open-Source-Plattform für Sprachagenten.

Eine optimierte Speech-to-Text-Pipeline für das Whisper-Modell mit Unterstützung für mehrere Inferenz-Engines

Eine plattformübergreifende Software zur Echtzeit-Untertitelanzeige.

SpeechIO Leaderboard: eine große, robuste und umfassende Benchmarking-Plattform für automatische Spracherkennung.

Eine Spracherkennungsbibliothek für den Browser, basierend auf einem WebAssembly-Build von Vosk.

ICASSP 2023-2024 Papers: Eine vollständige Sammlung einflussreicher und spannender Forschungsarbeiten der ICASSP 2023-24 Konferenzen. Entdecken Sie die neuesten Fortschritte in Akustik, Sprach- und Signalverarbeitung. Inklusive Code.

KI-Chatbot im Taschenformat, basierend auf einem RPI Zero 2w / 5

Arabic-first generative speech recognition — Audar-ASR-V1 (Flash + Turbo). #1 on the Open Universal Arabic ASR Leaderboard. Model cards, benchmarks & inference.