asr

WhisperX : reconnaissance vocale automatique avec horodatage au niveau du mot et diarisation.

Boîte à outils de reconnaissance vocale open source pour l'entraînement, l'inférence, l'ASR en streaming, le VAD, la ponctuation, les pipelines de diarisation du locuteur et le service compatible OpenAI/MCP.

Framework d'IA générative évolutif conçu pour les chercheurs et développeurs travaillant sur les grands modèles de langage, le multimodal et l'IA vocale (ASR et TTS).

API de reconnaissance vocale hors ligne pour Android, iOS, Raspberry Pi et serveurs avec Python, Java, C# et Node.

Transcription, synthèse vocale, diarisation, amélioration de la parole, séparation de sources et VAD utilisant la nouvelle génération de Kaldi avec onnxruntime, sans connexion Internet. Supporte les systèmes embarqués, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, NPU RK, NPU Axera, NPU Ascend, serveurs x86_64, client/serveur websocket, et 12 langages de programmation.

Boîte à outils vocale facile à utiliser incluant l'apprentissage auto-supervisé, la reconnaissance vocale (ASR) SOTA/en continu avec ponctuation, la synthèse vocale (TTS) en continu avec interface textuelle, un système de vérification du locuteur, la traduction vocale de bout en bout et la détection de mots-clés. Lauréat du prix Best Demo à NAACL2022.

Une boîte à outils pour la parole basée sur PyTorch.

Modèle open source SenseVoiceSmall pour la reconnaissance vocale (ASR) en mandarin, cantonais, anglais, japonais et coréen, incluant l'identification de la langue, la reconnaissance des émotions et la détection d'événements audio.

API Python permettant d'obtenir la transcription ou les sous-titres d'une vidéo YouTube. Fonctionne également avec les sous-titres générés automatiquement et ne nécessite ni clé API ni navigateur headless, contrairement aux solutions basées sur Selenium.

wukong-robot est un robot de conversation vocale et une enceinte intelligente simple, flexible et élégante, prenant en charge les dialogues multi-tours ChatGPT et potentiellement la première interface cerveau-machine open source.

Outil de transcription vidéo, de génération de sous-titres et de découpage assisté par LLM basé sur FunASR, avec une interface Gradio locale.

Reconnaissance vocale automatique avec diarisation des locuteurs basée sur OpenAI Whisper.

Enregistrement audio HTML5 (mp3, wav, ogg, webm, amr, g711a, g711u). Supporte PC, navigateurs mobiles, applications hybrides et WeChat. Inclut la reconnaissance vocale ASR et des exemples de chat vocal.

Boîte à outils de reconnaissance vocale de bout en bout, prête pour la production

Lecteur multimédia pour l'apprentissage des langues, avec sous-titres doubles, sous-titres générés par IA, traduction en temps réel, et plus encore.

Streamer-Sales 销冠 —— LLM pour le live shopping. Un modèle capable de présenter des produits en stimulant l'intention d'achat selon leurs caractéristiques. Inclut un processus de génération de données, l'accélération d'inférence avec LMDeploy, RAG, TTS, avatars numériques, agents avec recherche web, ASR, frontend Vue et backend FastAPI avec déploiement Docker-compose.

Maintenez une touche, parlez, relâchez : du texte optimisé par IA apparaît à votre curseur dans n'importe quelle application. Saisie vocale open-source pour macOS et Windows.

API de service web ASR pour OpenAI Whisper.

Exécutables autonomes pour Whisper et Faster-Whisper pour ceux qui ne souhaitent pas utiliser Python.

[AutoArk] GPA (General Purpose Audio) permet la reconnaissance vocale (ASR), la synthèse vocale (TTS) et la conversion de voix avec un seul modèle compact.

Interface graphique pour faster_whisper utilisant PySide6

Lingvo

Reconnaissance vocale automatique multilingue avec horodatages au niveau du mot et indices de confiance

Modèles audio CoreML de pointe dans vos applications : synthèse vocale, reconnaissance vocale, détection d'activité vocale et diarisation des locuteurs. En Swift, propulsé par des solutions open source SOTA.

🐸STT - La boîte à outils de deep learning pour la conversion parole-texte. L'entraînement et le déploiement de modèles STT n'ont jamais été aussi simples.

Extraction rapide de contenu audio et vidéo pour organiser des notes structurées en Markdown.

Un moteur d'inférence tout-en-un en C++ pur pour les modèles audio, propulsé par ggml. Prend en charge TTS, STT, VAD, conversion vocale, génération musicale et plus encore, avec des performances hautement optimisées. Aucune dépendance Python.

Modèles ASR open-source de qualité industrielle prenant en charge le mandarin, les dialectes chinois et l'anglais, atteignant un nouvel état de l'art sur les benchmarks ASR publics en mandarin, tout en offrant une capacité exceptionnelle de reconnaissance des paroles de chansons.

Inférence speech-to-text ggml pour plus de 16 familles de modèles

Framework IA+IoT de nouvelle génération pour T2/T3/T5AI/ESP32 et plus – Intégration matérielle rapide pour l'IoT et les agents IA