speech-recognition

JAX-Implementierung des Whisper-Modells von OpenAI für eine bis zu 70-fache Beschleunigung auf TPUs.

Ein kleiner Spracherkenner

Kompaktversion von Whisper für Spracherkennung. 6x schneller, 50% kleiner, mit einer Wortfehlerrate von unter 1%.

OpenAI Whisper ASR Webservice API

Whisper & Faster-Whisper Standalone-Executables für alle, die sich nicht mit Python herumschlagen möchten.

Open-Source-, lokale und selbst gehostete Sprachassistenten-Alternative als Konkurrenz zu Amazon Echo/Google Home

Transkribieren Sie jegliches Audio in Text, übersetzen und bearbeiten Sie Untertitel 100% lokal mit einer Web-Benutzeroberfläche. Unterstützt durch Whisper-Modelle!

Lingvo

Mehrsprachige automatische Spracherkennung mit wortgenauen Zeitstempeln und Konfidenzwerten

🐸STT – Das Deep-Learning-Toolkit für Speech-to-Text. Das Trainieren und Bereitstellen von STT-Modellen war noch nie so einfach.

Eine Echtzeit-Sprachlaufzeitumgebung für KI-Agenten, die sie im Gespräch und aktiv hält.

🎙 Spracherkennung mit dem Deep-Learning-Framework TensorFlow und Sequence-to-Sequence-neuronalen Netzen

On-Device, multimodale Echtzeit-KI mit ähnlichen Funktionen wie GPT-Live

Open-Source-ASR-Modelle in Industriequalität, die Mandarin, chinesische Dialekte und Englisch unterstützen. Sie erreichen einen neuen SOTA-Standard auf öffentlichen Mandarin-ASR-Benchmarks und bieten zudem eine hervorragende Erkennung von Liedtexten.

Chinesische Spracherkennung; Mandarin Automatic Speech Recognition;

Open-Source-Engine für kontinuierliche Spracherkennung mit großem Vokabular

Eine kuratierte Liste von großartigen Arbeiten, Bibliotheken, Datensätzen und anderen Ressourcen zur Sprecherdiarisierung.

Das selbstkodierende System für Ihre App — Alan AI SDK für iOS

Das selbstkodierende System für Ihre App — Alan AI SDK für Android

Plattformübergreifendes, GPU-beschleunigtes Whisper 🏎️

Echtzeit-Spracherkennung und Spracherkennungs-Erkennung (VAD) mit der nächsten Generation von Kaldi und ncnn ohne Internetverbindung. Unterstützt iOS, Android, Linux, macOS, Windows, Raspberry Pi, VisionFive2, LicheePi4A usw.

Das Self-Coding-System für Ihre App — Alan AI SDK für Flutter

Das Self-Coding-System für Ihre App — Alan AI SDK für Ionic

Speech Note Linux-App. Notizen erstellen, lesen und übersetzen mit Offline-Spracherkennung (Speech-to-Text), Sprachsynthese (Text-to-Speech) und maschineller Übersetzung.

OBS-Plugin für lokale Spracherkennung und Untertitelung mittels KI

Amica ist eine Open-Source-Schnittstelle für die interaktive Kommunikation mit 3D-Charakteren inklusive Sprachsynthese und Spracherkennung.

Benutzerdefinierte Nodes, die die Funktionen von ComfyUI erweitern

SALMONN-Familie: Eine Suite fortschrittlicher multimodaler LLMs

Open-Source-LLM-basiertes ASR-Modellfamilie für Chinesisch, Dialekte, Akzente und mehrsprachige Sprache, mit FunASR, vLLM, Streaming- und llama.cpp-Runtimes.

Einheitliches multimodales Sprach-Text-Pre-Training für die Sprachverarbeitung