speech-recognition

Analizador de intenciones Adapt

Conversión de voz a texto y subtítulos mediante entrada de teclado para OBS, VRChat, chat de Twitch y Discord

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

Motor de conversión de voz a intención en el dispositivo impulsado por aprendizaje profundo.

Ejemplos de API de voz.

Framework de evaluación comparativa de voz a texto.

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 conjunto de datos de audio gratuito de dígitos hablados. Una versión de audio de MNIST.

Reconocimiento de voz para proyectos de React Native Expo.

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.

Interfaz de línea de comandos para las capacidades integradas de reconocimiento y transcripción de voz en macOS.

¡ChatGPT en casa! Una mejor alternativa a los asistentes domésticos inteligentes comerciales, construida en Raspberry Pi usando LiteLLM y LangGraph.

STT (speech to text) para Node con detección de palabras clave sin conexión

Editor de método de entrada (IME) para Android basado en Whisper

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.

Transcripción en tiempo real utilizando faster-whisper

Runtime hub en C++ ggml para modelos ASR y TTS multilingües: Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2, etc., además de alineación forzada universal y más

Decodificador de Clasificación Temporal Conexionista (CTC) con diccionario y modelo de lenguaje.

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

El sistema de autocodificación para tu aplicación: Alan AI SDK para React Native

Un lenguaje de programación modular basado en nodos, creador de programas, sistema de animación, kit de herramientas, enrutador y depurador diseñado para VRChat.

🗣 Una superposición que obtiene el permiso de voz del usuario y la entrada como texto en una interfaz de usuario personalizable

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

Lista de APIs de reconocimiento de voz (STT) en coreano con sus respectivos benchmarks de rendimiento.

Lightning-fast, free, local first voice dictation for macOS with on-device transcription

Agente interactivo de voz a voz de alta calidad y con transmisión en continuo en un solo archivo.

Motor de reconocimiento automático de voz (ASR) y texto a voz (TTS). Reconocimiento de voz en chino e inglés, síntesis de voz multi-rol, soporte multilingüe y alta precisión

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