speech-recognition

Das Zentrum für Audio-KI-Forschung: Arbeiten, offene Modelle, Benchmarks und Datensätze über Audio-LLMs, Spracherkennung, TTS, Musik und Audiogenerierung.

schlüsselfertiger, selbstgehosteter Offline-Transkriptions- und Diarisierungsdienst mit LLM-Zusammenfassung

Whisper.net. Spracherkennung leicht gemacht mit Whisper Modellen.

Espresso: Ein schnelles End-to-End Neural Speech Recognition Toolkit

Ein Python-basierter Desktop-Sprachassistent, der in der Lage ist, Systembefehle auszuführen, Spracherkennung und Text-to-Speech zu integrieren sowie asynchrone Benutzerinteraktionen zu verarbeiten.

Optimierte Whisper-Modelle für Streaming und den Einsatz auf Geräten

Ein sprechendes LLM, das auf deinem eigenen Computer ohne Internetverbindung läuft.

:speech_balloon: SpeechPy – Eine Bibliothek für Sprachverarbeitung und -erkennung: http://speechpy.readthedocs.io/en/latest/

End-to-End-Mandarin-Spracherkennung basierend auf PaddlePaddle, von den Grundlagen zur Praxis: ein super einfaches Einstiegsbeispiel und ein hochpraktisches Unternehmensprojekt. Unterstützt die aktuell beliebtesten Modelle DeepSpeech2, Conformer und Squeezeformer.

💬 Spracherkennung für Ihre React-App

Connectionist Temporal Classification (CTC) Decodierungsalgorithmen: Best Path, Beam Search, Lexicon Search, Prefix Search und Token Passing. Implementiert in Python.

Erstellen Sie Echtzeit-Speech-to-Text-Web-Apps mit OpenAIs Whisper https://openai.com/blog/whisper/

Deskriptives Deep Learning

🎤 Lobe TTS – Eine hochwertige und zuverlässige TTS/STT-Bibliothek für Server und Browser

Sprache zu Text zu Sprache. Song wird jetzt abgespielt. Sendet Text als OSC-Nachrichten an VRChat zur Anzeige auf dem Avatar. (STTTS) (Sprache zu TTS) (VRC-STT-System) (VTuber-TTS)

Kostenlose, Open-Source-basierte, 100 % offline funktionierende Sprachdiktat-Software für Linux. Sprechen und tippen Sie überall über whisper.cpp-, Whisper- und VOSK-Engines, GPU-beschleunigt, funktioniert unter X11 und Wayland!

React-Native-Binding für whisper.cpp.

Lokaler Sprach-Chatbot für ansprechende Konversationen, basierend auf Ollama, Hugging Face Transformers und dem Coqui TTS Toolkit

Projekt, mit dem ein Mikrofon mit OpenAI Whisper verwendet werden kann.

Der einfachste Weg, Audio in Swift zu transkribieren

Grundlegendes Modell für Spracherkennungsaufgaben

Eine zu 100 % private KI-Sprachtranskriptions-App, die Sprache in über 100 Sprachen in Text umwandelt. Entwickelt mit Compose Multiplatform für Android und iOS unter Verwendung von Whisper AI – keine Cloud-Uploads, die gesamte Verarbeitung erfolgt auf dem Gerät für absolute Privatsphäre.

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

Deep Learning für die Audioverarbeitung

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

Ein Echtzeit-Tool zur stummen Spracherkennung.

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

Allosaurus ist ein vortrainierter universeller Phonem-Erkenner für über 2000 Sprachen

Private Spracherkennungs-Tastatur und ein -Dienst für Android, die lokal auf dem Gerät laufen.

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.