voice-recognition

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

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, reconocimiento de intenciones y texto a voz de muy baja latencia para construir agentes e interfaces de voz.

Silero VAD: Detector de actividad de voz de nivel empresarial preentrenado

Una implementación casi en tiempo real de Whisper de OpenAI.

🇨🇳 Biblioteca de utilidades de caracteres chinos completa (pinyin, trazos, radicales, modismos, voz, visualización, etc.) (Chinese character util)

🐸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.

Detector de actividad de voz (VAD): baja latencia, alto rendimiento y ligero

🔊 Una lista completa de conjuntos de datos de código abierto para voz y computación de sonido (más de 95 conjuntos de datos).

Una lista de corpus de voz accesibles para ASR, TTS y otras tecnologías de voz.

Este proyecto utiliza diversos modelos avanzados de reconocimiento de huella vocal como EcapaTdnn, ResNetSE, ERes2Net, CAM++, entre otros, con soporte para más modelos en el futuro. También admite métodos de preprocesamiento de datos como MelSpectrogram y Spectrogram.

Asistente de IA en Python 🧠

Registro de capitán y mapa estelar 3D para Elite Dangerous.

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

Voicetypr: herramienta de dictado de voz a texto sin conexión basada en IA para fundadores, programadores y usuarios avanzados en macOS y Windows. Alternativa a wispr flow y superwhisper.

Framework de evaluación comparativa de voz a texto.

Reconocimiento de voz para proyectos de React Native Expo.

Motor de conversión de voz a texto en tiempo real ejecutado en el dispositivo mediante aprendizaje profundo.

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

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

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