speaker-diarization

Kit de herramientas de reconocimiento de voz de código abierto para entrenamiento, inferencia, ASR en streaming, VAD, puntuación, canalizaciones de diarización de altavoces y servicio compatible con OpenAI/MCP.

Un kit de herramientas de voz basado en PyTorch

Voz a texto local en tiempo real con ASR en streaming, diarización de hablantes, traducción y API compatibles con OpenAI/Deepgram.

Bloques de construcción neuronales para la diarización de hablantes: detección de actividad de voz, detección de cambio de hablante, detección de voz superpuesta y embeddings de hablantes

Kit de herramientas de procesamiento de voz de extremo a extremo

IA de voz en el dispositivo para Apple Silicon.

Reconocimiento automático de voz con diarización de hablantes basado en OpenAI Whisper

Ejecutables independientes de Whisper y Faster-Whisper para quienes no quieren lidiar con Python.

Un repositorio para verificación de locutor monomodal y multimodal, reconocimiento de locutor y diarización de locutor

Reconocimiento automático del habla multilingüe con marcas de tiempo a nivel de palabra y puntuación de confianza

Modelos de audio CoreML de vanguardia en tus aplicaciones: texto a voz, voz a texto, detección de actividad de voz y diarización de hablantes. En Swift, impulsado por código abierto SOTA.

Un paquete de Python para crear aplicaciones de audio en tiempo real impulsadas por IA

Una lista curada de excelentes artículos, librerías, conjuntos de datos y otros recursos sobre Speaker Diarization.

Familia de modelos ASR de código abierto basados en LLM para chino, dialectos, acentos y voz multilingüe, con motores de ejecución como FunASR, vLLM, streaming y llama.cpp.

Kit de herramientas para la verificación, reconocimiento y diarización de hablantes orientado a la investigación y la producción.

Kit de herramientas de voz con IA para Apple Silicon: ASR, TTS, voz a voz, VAD y diarización impulsados por MLX y CoreML

Servicio de transcripción y diarización offline autohospedado con resúmenes mediante LLM

Software de generación de subtítulos totalmente automatizado: cubre todo el proceso de descarga, transcripción, traducción y codificación sin intervención humana.

Reimplementación en Python de los algoritmos de clustering espectral (restringidos) utilizados en los artículos de diarización de hablantes de Google.