speech-recognition

🤗 Transformers: el marco de definición de modelos para aprendizaje automático de última generación en texto, visión, audio y modelos multimodales, tanto para inferencia como para entrenamiento.

Puerto del modelo Whisper de OpenAI en C/C++

Transcripción de Whisper más rápida con CTranslate2

WhisperX: Reconocimiento automático de voz con marcas de tiempo a nivel de palabra (y diarización).

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.

🧠 Leon es su asistente personal de código abierto.

kaldi-asr/kaldi es el repositorio oficial del proyecto Kaldi.

API de reconocimiento de voz sin conexión para Android, iOS, Raspberry Pi y servidores con Python, Java, C# y Node.

Scripts de Deep Learning de última generación organizados por modelos: fáciles de entrenar y desplegar con precisión y rendimiento reproducibles en infraestructura de nivel empresarial.

¡Sumérgete en Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision y NLP aprendiendo de estas emocionantes conferencias!

Gradio WebUI para creadores y desarrolladores, con TTS clave (Edge-TTS, kokoro) y clonación de voz zero-shot (E2 & F5-TTS, CosyVoice), procesamiento de audio con Whisper, descarga de YouTube, aislamiento vocal con Demucs y traducción multilingüe.

Kit de herramientas de voz fácil de usar que incluye modelo de aprendizaje autosupervisado, ASR de transmisión/SOTA con puntuación, TTS de transmisión con interfaz de texto, sistema de verificación de hablantes, traducción de voz de extremo a extremo y detección de palabras clave. Ganador del premio al mejor demo en NAACL2022.

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.

OpenVINO™ es un kit de herramientas de código abierto para optimizar y desplegar inferencia de IA

Kit de herramientas de procesamiento de voz de extremo a extremo

Modelo de código abierto SenseVoiceSmall para ASR en mandarín, cantonés, inglés, japonés y coreano, identificación de idiomas, reconocimiento de emociones y detección de eventos de audio.

Módulo de reconocimiento de voz para Python, compatible con varios motores y APIs, en línea y fuera de línea.

Un sistema de reconocimiento de voz en chino basado en aprendizaje profundo

Una biblioteca de texto a voz (TTS), voz a texto (STT) y voz a voz (STS) construida sobre el framework MLX de Apple, que proporciona un análisis de voz eficiente en Apple Silicon.

💬 Reconocimiento de voz para tu sitio

Kit de herramientas de reconocimiento automático de voz de Facebook AI Research

IA de voz en el dispositivo para Apple Silicon.

Herramienta de desarrollo todo en uno basada en PaddlePaddle

Herramienta de transcripción de video, generación de subtítulos y recorte asistido por LLM basada en FunASR, con una interfaz de usuario local de Gradio

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

Kit de herramientas de reconocimiento de voz de extremo a extremo listo para producción y centrado en la producción

Detección de palabra de activación en el dispositivo impulsada por aprendizaje profundo

Recursos, prácticas e investigación en Aprendizaje Automático e IA Agéntica

Herramienta de reconocimiento de voz a texto / Una herramienta local fuera de línea para la conversión de audio y video a subtítulos, que genera formatos JSON, subtítulos SRT y texto plano