asr

GLM-ASR-Nano: un modelo de reconocimiento de voz robusto y de código abierto con 1.5B de parámetros

Voxtral ASR & TTS ejecutándose de forma nativa y en el navegador. Una implementación en Rust del ASR/TTS en tiempo real de Mistral Voxtral mini utilizando el framework Burn ML.

Asistente de voz inteligente que convierte el habla en texto limpio, acciones útiles y conocimiento estructurado. Ayuda a los usuarios a capturar ideas, comunicarse de forma natural, automatizar tareas repetitivas y mantener la productividad en diferentes aplicaciones y flujos de trabajo.

VTuber con IA que utiliza LLM, ASR, TTS, OCR, CV y otras tecnologías para realizar transmisiones en vivo o jugar Minecraft contigo.

BiBi Keyboard: Una aplicación de teclado para Android basada en Kotlin con LLM y entrada de voz ASR

Conversión rápida entre números chinos y números arábigos (características recientes: fracciones, fechas, temperaturas, etc.).

Reconocimiento de voz en chino implementado con PaddlePaddle. Proyecto completo con buenos resultados de reconocimiento. Soporta entrenamiento y predicción en Windows y Linux, además de predicción en placas Nvidia Jetson.

Ejecución de un modelo de voz a texto (whisper.cpp) en Unity3d en su máquina local.

Marco de trabajo de reconocimiento automático de voz (ASR) en PyTorch para modelos de transmisión y no transmisión, compatible con reconocimiento en línea y fuera de línea. Soporta modelos Conformer, Squeezeformer y DeepSpeech2, además de diversos métodos de aumento de datos.

Kit de herramientas de código abierto para reconocimiento de voz de extremo a extremo utilizando PyTorch-Lightning y Hydra.

Reconocimiento de voz sin conexión con OpenAI Whisper y TensorFlow Lite para Android

Artículos de INTERSPEECH 2023-2024: Una colección completa de artículos de investigación influyentes y destacados de la conferencia INTERSPEECH 2023-24. Explora los últimos avances en procesamiento de voz y lenguaje. Incluye código.

Un sistema ASR integral de grado industrial con módulos ASR, VAD, LID y Punc. FireRedASR2 admite chino (mandarín, más de 20 dialectos/acentos), inglés, cambio de código, y reconocimiento de voz y canto. FireRedVAD admite voz/canto/música en más de 100 idiomas. FireRedLID admite más de 100 idiomas y más de 20 dialectos chinos. FireRedPunc admite chino e inglés.

Motor de conversión de voz a texto en tiempo real ejecutado en el dispositivo mediante aprendizaje profundo.

Traducción de audio en tiempo real, captura audio del sistema y micrófono, ejecuta ASR (Whisper/SenseVoice) y traduce mediante la API de LLM con visualización en streaming. Ideal para VTubers, streamers y consumo de contenido extranjero.

Teoría, artículos y presentaciones sobre reconocimiento de voz

🤗 Optimum Intel: Acelere la inferencia con herramientas de optimización de Intel

Biblioteca de reconocimiento automático de voz de grado comercial, lista para usar, compatible con todas las plataformas y con reconocimiento mixto de chino e inglés. Implementación multiplataforma de inferencia ASR basada en ONNXRuntime y FunASR. Proporcionamos un conjunto de API más sencillas para invocar modelos ASR.

Plataforma de agente de voz de código abierto.

Una canalización optimizada de voz a texto para el modelo Whisper que admite múltiples motores de inferencia

Un software multiplataforma de visualización de subtítulos en tiempo real.

SpeechIO Leaderboard: una plataforma de evaluación comparativa amplia, robusta y completa para el reconocimiento automático de voz.

Una biblioteca de reconocimiento de voz que se ejecuta en el navegador gracias a una compilación en WebAssembly de Vosk

Artículos de ICASSP 2023-2024: Una colección completa de artículos de investigación influyentes y destacados de las conferencias ICASSP 2023-24. Explore los últimos avances en acústica, voz y procesamiento de señales. Código incluido. ¡Marque el repositorio con una estrella para apoyar el avance del procesamiento de audio y señales!

Chatbot de IA de bolsillo construido con una 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.