asr

Reconnaissance vocale en temps réel et détection d'activité vocale (VAD) utilisant la nouvelle génération de Kaldi avec ncnn, sans connexion Internet. Supporte iOS, Android, Linux, macOS, Windows, Raspberry Pi, VisionFive2, LicheePi4A, etc.

Bailing est un assistant vocal conversationnel similaire à GPT-4o, utilisant ASR, LLM et TTS. Intègre des modèles comme DeepSeek R1 et openClaw, avec une latence réduite à 800ms, fonctionnant sur Mac et configurations légères.

Application Linux Speech Note. Prise de notes, lecture et traduction avec reconnaissance vocale, synthèse vocale et traduction automatique hors ligne.

Analyser des vidéos en utilisant des LLM, la vision par ordinateur et la reconnaissance automatique de la parole

🎙️ Application de dictée IA - Open Source et locale. ⚡ Tapez 3 fois plus vite, sans clavier. 🆓 Propulsée par des modèles open source, fonctionne hors ligne, rapide et précise.

Famille de modèles ASR open-source basés sur LLM pour le chinois, les dialectes, les accents et la parole multilingue, avec runtimes FunASR, vLLM, streaming et llama.cpp.

Speech-AI-Forge est un projet articulé autour d'un modèle de génération TTS, implémentant un serveur API et une interface Web basée sur Gradio.

Traduction synchronisée pour vidéos. Doublage vidéo.

Transcription contrôlable. Verbatim (chaque mot, remplissage, pause, bégaiement, son vocal) ou intentionnelle (ce que l'orateur voulait dire, optimisé pour la lisibilité) avec horodatage au niveau du mot.

Conversations vocales naturelles avec Claude Code.

Humain numérique interactif en temps réel, avec apparence et voix personnalisables, support du clonage vocal et latence de dialogue aussi basse que 3 secondes.

StreamSpeech est un modèle tout-en-un fluide pour la reconnaissance vocale, la traduction et la synthèse vocale, en mode hors ligne et simultané.

Serveur de reconnaissance vocale WebSocket, gRPC et WebRTC basé sur les bibliothèques Vosk et Kaldi.

Fine-tuning du modèle de reconnaissance vocale Whisper pour prendre en charge l'entraînement avec ou sans données d'horodatage, ainsi que sans données vocales. Accélération de l'inférence et support du déploiement Web, Windows et Android

Boîte à outils vocale IA pour Apple Silicon — ASR, TTS, speech-to-speech, VAD et diarisation propulsés par MLX et CoreML

Premier ASR de fondation conçu pour le monde réel - 7 conditions acoustiques atomiques, 54 scénarios composés, 2,6 millions d'échantillons et jusqu'à ~30 % de gains par rapport à l'état de l'art là où tous les autres modèles échouent.

[Non officiel] Implémentation PyTorch de "Conformer: Convolution-augmented Transformer for Speech Recognition" (INTERSPEECH 2020).

SGLang-Omni permet un service haute performance pour les modèles TTS, ASR, vocaux et omnimodaux.

Compétence open-source de traduction vidéo

Reconnaissance vocale hors ligne pour Android avec la bibliothèque Vosk.

Transcription parole-texte entièrement locale, privée et multiplateforme avec post-traitement par LLM

Un wrapper Python pour Kaldi

Framework de serveur de reconnaissance vocale (speech-to-text) avec Kaldi nouvelle génération.

Espresso : une boîte à outils de reconnaissance vocale neuronale rapide de bout en bout

VocoType est un outil de saisie vocale local, privé et sécurisé, permettant de convertir la parole en texte en temps réel via des raccourcis clavier. Il prend en charge le MCP de transcription, l'optimisation de texte par IA, les dictionnaires de remplacement personnalisés et la transcription d'enregistrements audio/vidéo.

Ce projet fournit une API avec gestion des accès utilisateurs pour transcrire la parole en texte à l'aide d'un modèle Whisper ASR affiné et traité.

Boîte à outils d'algorithmes d'IA hors ligne gratuite pour Java, prenant en charge la reconnaissance faciale, la détection de vivant, la reconnaissance d'expressions, la détection d'objets, la segmentation d'instances, la détection de piétons, l'OCR, la reconnaissance de plaques d'immatriculation, la reconnaissance de tableaux, ASR+TTS, la traduction automatique, etc. Utilisable via Maven. Supporte PyTorch et Tensorflow, avec intégration de modèles tels que Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR (PPOCRv5) et Whisper.

Une boîte à outils conviviale pour la reconnaissance, la transcription et la conversion vocale, etc.

Reconnaissance vocale chinoise de bout en bout basée sur PaddlePaddle, de l'initiation à la pratique, avec des cas d'étude simples et des projets d'entreprise concrets. Prend en charge les modèles DeepSpeech2, Conformer et Squeezeformer les plus populaires.

GLM-ASR-Nano : un modèle de reconnaissance vocale robuste et open source avec 1,5 milliard de paramètres