speech-recognition

Adapt Intent Parser

Sprach-zu-Text- und KB-Eingabe-Untertitel für OBS, VRChat, Twitch-Chat und Discord

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

Auf Deep Learning basierende On-Device-Speech-to-Intent-Engine

Sprach-API-Beispiele

Speech-to-Text-Benchmark-Framework

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 kostenloser Audiodatensatz gesprochener Ziffern. Eine Audio-Version von MNIST.

Spracherkennung für React-Native-Expo-Projekte

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

Befehlszeilenschnittstelle für die integrierten Spracherkennungs- und Transkriptionsfunktionen in macOS.

ChatGPT zu Hause! Eine bessere Alternative zu kommerziellen Smart-Home-Assistenten, basierend auf dem Raspberry Pi mit LiteLLM und LangGraph.

:speech_balloon: /so.nus/ STT (Speech-to-Text) für Node mit Offline-Hotword-Erkennung

Android Input Method Editor (IME) basierend auf Whisper

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.

Echtzeit-Transkription mit faster-whisper

C++ ggml Runtime-Hub für mehrsprachige ASR- und TTS-Modelle: Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2 sowie universelles Forced Alignment und mehr.

Connectionist Temporal Classification (CTC)-Decoder mit Wörterbuch und Sprachmodell.

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

Das selbstkodierende System für Ihre App – Alan AI SDK für React Native.

Eine modulare Node-Programmiersprache, Programm-Editor, Animationssystem, Toolkit, Router und Debugger für VRChat.

Ein Overlay, das die Mikrofonberechtigung des Benutzers abfragt und Spracheingaben in einer anpassbaren Benutzeroberfläche als Text ausgibt.

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

Liste der STT-APIs für koreanische Spracherkennung inklusive Leistungsbenchmarks

Blitzschnelle, kostenlose und lokale Sprachdiktat-Software für macOS mit On-Device-Transkription

Hochwertiger, interaktiver Speech-to-Speech-Agent mit Streaming-Funktion in einer einzigen Datei.

Engine für automatische Spracherkennung (ASR) und Text-to-Speech (TTS). Unterstützt Chinesisch, Englisch und weitere Sprachen mit hoher Genauigkeit und Multi-Rollen-Sprachsynthese

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