speech-recognition

💎 Eine Liste barrierefreier Sprachkorpora für ASR, TTS und andere Sprachtechnologien

Fine-Tuning von LLMs auf Ihrem Mac mit Apple Silicon. SFT-, DPO-, GRPO-, Vision-, TTS-, STT-, Embedding- und OCR-Fine-Tuning – nativ auf MLX. Unsloth-kompatible API.

Steuerbare Transkription. Wortgetreu (jede Füllwörter, Pausen, Stottern, Vokallaute) oder beabsichtigt (was der Sprecher sagen wollte, optimiert für Lesbarkeit) mit Zeitstempeln auf Wortebene.

Whisper-Kommandozeilenclient, kompatibel mit dem originalen OpenAI-Client basierend auf CTranslate2.

Ein persönlicher Assistent, der mit Python-Bibliotheken erstellt wurde. Er erledigt fast alles, darunter das Senden von E-Mails, optische Texterkennung, dynamische Nachrichtenberichterstattung zu jeder Zeit mit API-Integration, Erstellung von To-Do-Listen, Öffnen von Websites per Sprachbefehl, Musikwiedergabe, Wikipedia-Suche, Wörterbuch mit intelligenter Erkennung (d. h. automatischer Rechtschreibprüfung), Wetterbericht (Temperatur, Windgeschwindigkeit, Luftfeuchtigkeit).

Sprach-zu-Text mit Push-to-Talk für Wayland-Compositor

StreamSpeech ist ein All-in-One-Modell für nahtlose Offline- und Simultanspracherkennung, -sprachübersetzung und -sprachsynthese.

Pruna ist ein für Entwickler entwickeltes Modelloptimierungs-Framework, mit dem Sie schnellere, effizientere Modelle mit minimalem Overhead bereitstellen können.

WebSocket-, gRPC- und WebRTC-Spracherkennungsserver basierend auf Vosk- und Kaldi-Bibliotheken

Feinabstimmung des Whisper-Spracherkennungsmodells zur Unterstützung des Trainings ohne Zeitstempeldaten, mit Zeitstempeldaten und ohne Sprachdaten. Beschleunigt die Inferenz und unterstützt Web-, Windows-Desktop- und Android-Bereitstellung

Eine Voice-Chat-App

💁 Fantastische Sammlung von Transformers-Modellen für die natürliche Sprachverarbeitung mit Papers, Videos, Blogs, offiziellem Repository sowie Colab-Notebooks. 🛫☑️

Ein praktisches Labor zum Erstellen, Testen und Evaluieren von Apps mit dem Foundation Models-Framework von Apple.

Ein privates Logbuch mit einem Team persönlicher KI-Assistenten. Agents lesen, was Sie aufzeichnen, und schlagen die nächsten Schritte vor — Sie genehmigen die Änderungen. Ende-zu-Ende-verschlüsselte Synchronisierung zwischen Ihren eigenen Geräten — Server sehen stets nur Geheimtext. Lokale KI optional.

KI-Sprach-Toolkit für Apple Silicon – ASR, TTS, Speech-to-Speech, VAD und Diarisierung, angetrieben durch MLX und CoreML

Irina – ein russischer Sprachassistent für die Offline-Nutzung. Unterstützt Fähigkeiten über Plugins.

Werkzeuge zur Verarbeitung multimodaler Daten in Machine-Learning-Projekten.

[Inoffizielle] PyTorch-Implementierung von „Conformer: Convolution-augmented Transformer for Speech Recognition“ (INTERSPEECH 2020)

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

SGLang-Omni ermöglicht hochleistungsfähiges Serving für TTS-, ASR-, Sprach- und Omni-Modelle.

KI-Vtuber zum Streamen auf YouTube und Twitch.

Die Open-Source-iOS-App, die hochwertige Sprachtranskription auf Mobilgeräten zugänglicher macht.

💬📝 Eine kleine Diktier-App, die das Whisper-Spracherkennungsmodell von OpenAI nutzt.

Echtzeit-Vollduplex-Spracherkennungsserver, basierend auf dem Kaldi-Toolkit und dem GStreamer-Framework.

Offline-Spracherkennung für Android mit der Vosk-Bibliothek.

Ein Python-Wrapper für Kaldi

:zap: TensorFlowASR: Fast dem Stand der Technik entsprechende automatische Spracherkennung in Tensorflow 2. Unterstützte Sprachen, die Zeichen oder Subwörter verwenden können

Ein Bearbeitungstool, das KI nutzt, um Videomaterial zu transkribieren, Inhalte zu verstehen und nach beliebigen Elementen zu suchen, integriert mit ChatGPT und anderen KI-Modellen

Speech-to-Text-Server-Framework mit Kaldi der nächsten Generation

Near-Realtime-Audio-Transkription mit selbstgehostetem Whisper und WebSocket in Python/JS