speech-recognition

Implementación en JAX del modelo Whisper de OpenAI para una aceleración de hasta 70x en TPU.

Un pequeño reconocedor de voz

Variante destilada de Whisper para reconocimiento de voz. 6 veces más rápido, 50% más pequeño y con una tasa de error de palabras inferior al 1%.

API de servicio web para OpenAI Whisper ASR

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

Alternativa de asistente de voz de código abierto, local y autohospedada que compite con Amazon Echo y Google Home

Transcribe cualquier audio a texto, traduce y edita subtítulos 100% localmente con una interfaz de usuario web. ¡Impulsado por modelos whisper!

Lingvo.

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

🐸STT - El kit de herramientas de aprendizaje profundo para conversión de voz a texto (Speech-to-Text). Entrenar y desplegar modelos STT nunca ha sido tan fácil.

Un tiempo de ejecución de voz en tiempo real que mantiene a los agentes hablando, trabajando y presentes. Tiempo de ejecución de voz en tiempo real para agentes de IA

🎙 Reconocimiento de voz utilizando el framework de aprendizaje profundo TensorFlow y redes neuronales sequence-to-sequence.

IA multimodal en tiempo real y en el dispositivo con funciones similares a GPT-Live

Modelos ASR de grado industrial de código abierto que admiten mandarín, dialectos chinos e inglés, logrando un nuevo SOTA en benchmarks públicos de ASR en mandarín, y ofreciendo además una capacidad excepcional de reconocimiento de letras de canciones.

Reconocimiento de voz en chino mandarín; Mandarin Automatic Speech Recognition;

Motor de reconocimiento de voz continuo de vocabulario amplio de código abierto

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

El sistema de autocodificación para tu app — Alan AI SDK para iOS

El sistema de autoprogramación para tu aplicación — Alan AI SDK para Android

Whisper multiplataforma acelerado por GPU 🏎️

Reconocimiento de voz en tiempo real y detección de actividad de voz (VAD) utilizando la nueva generación de Kaldi con ncnn sin conexión a Internet. Compatible con iOS, Android, Linux, macOS, Windows, Raspberry Pi, VisionFive2, LicheePi4A, entre otros.

El sistema de autocodificación para tu aplicación: Alan AI SDK para Flutter.

El sistema de autocodificación para su aplicación: SDK de Alan AI para Ionic.

Aplicación de notas para Linux. Permite tomar notas, leer y traducir con funciones offline de voz a texto, texto a voz y traducción automática.

Plugin de OBS para reconocimiento de voz y subtitulado local mediante IA.

Amica es una interfaz de código abierto para la comunicación interactiva con personajes 3D mediante síntesis de voz y reconocimiento de voz.

Nodos personalizados que amplían las capacidades de Comfyui

Familia SALMONN: un conjunto de LLMs multimodales avanzados.

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.

Preentrenamiento de voz-texto modal unificado para procesamiento de lenguaje hablado