speech-recognition

Centro de investigación de IA de audio: artículos, modelos abiertos, puntos de referencia y conjuntos de datos sobre LLMs de audio, reconocimiento de voz, TTS, música y generación de audio.

Servicio de transcripción y diarización offline autohospedado con resúmenes mediante LLM

Whisper.net. Conversión de voz a texto simplificada mediante modelos Whisper.

Espresso: un kit de herramientas rápido de reconocimiento de voz neuronal de extremo a extremo

Un asistente de voz de escritorio basado en Python capaz de ejecutar comandos a nivel de sistema, integrar reconocimiento de voz y texto a voz, y manejar interacciones de usuario asíncronas.

Modelos Whisper optimizados para streaming y uso en dispositivos.

Un LLM conversacional que se ejecuta en su propia computadora sin necesidad de internet.

SpeechPy: una biblioteca para el procesamiento y reconocimiento de voz: http://speechpy.readthedocs.io/en/latest/

Reconocimiento de voz en chino de extremo a extremo basado en PaddlePaddle, desde conceptos básicos hasta proyectos empresariales prácticos. Soporta modelos populares como DeepSpeech2, Conformer y Squeezeformer

💬 Reconocimiento de voz para tu aplicación React

Algoritmos de decodificación de Clasificación Temporal Conexionista (CTC): ruta óptima, búsqueda de haz (beam search), búsqueda en léxico, búsqueda por prefijo y paso de tokens. Implementado en Python.

Cree aplicaciones web de voz a texto en tiempo real utilizando Whisper de OpenAI https://openai.com/blog/whisper/

Aprendizaje profundo descriptivo.

Dictado por voz gratuito, de código abierto y 100% offline para Linux. Habla y escribe en cualquier lugar mediante whisper.cpp, motores Whisper y VOSK, aceleración por GPU, funciona en X11 + Wayland.

🎤 Lobe TTS - Una biblioteca de TTS/STT confiable y de alta calidad para servidor y navegador

Conversión de voz a texto y de texto a voz. Envía texto como mensajes OSC a VRChat para mostrarlo en el avatar.

Binding de React Native para whisper.cpp

Chatbot de voz local para conversaciones atractivas, impulsado por Ollama, Hugging Face Transformers y Coqui TTS Toolkit

Proyecto que permite utilizar un micrófono con OpenAI Whisper.

Modelo fundamental para tareas de reconocimiento de voz.

La forma más sencilla de transcribir audio en Swift

Una aplicación de transcripción de voz por IA 100% privada que convierte voz a texto en más de 100 idiomas. Creada con Compose Multiplatform para Android e iOS usando Whisper AI; sin subidas a la nube, todo el procesamiento ocurre en el dispositivo para una privacidad total.

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

Aprendizaje profundo para el procesamiento de audio

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.

Una herramienta de reconocimiento de voz silenciosa en tiempo real.

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

Allosaurus es un reconocedor fonético universal preentrenado para más de 2000 idiomas

Teclado y servicio de reconocimiento de voz privado y local para Android.

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.