asr

Voxtral ASR & TTS fonctionnant nativement et dans le navigateur. Une implémentation en Rust du modèle Voxtral mini de Mistral pour l'ASR/TTS en temps réel, utilisant le framework Burn ML.

🎙️ Un assistant vocal intelligent qui transforme la parole en texte propre, en actions utiles et en connaissances structurées. Il aide les utilisateurs à capturer des idées, communiquer naturellement, automatiser les tâches répétitives et rester productifs à travers différentes applications et flux de travail.

VTuber IA utilisant LLM, ASR, TTS, OCR, CV et d'autres technologies pour diffuser en direct ou jouer à Minecraft avec vous.

BiBi Keyboard : une application de clavier de saisie vocale LLM et ASR pour la plateforme Android, basée sur Kotlin

Conversion rapide entre chiffres chinois et chiffres arabes (dernières fonctionnalités : fractions, dates, températures, etc.)

Reconnaissance vocale chinoise basée sur PaddlePaddle. Projet complet avec d'excellentes performances. Supporte l'entraînement et l'inférence sur Windows et Linux, ainsi que sur les cartes de développement Nvidia Jetson.

Exécution du modèle de reconnaissance vocale whisper.cpp dans Unity3d en local

Framework de reconnaissance vocale automatique (ASR) en PyTorch, compatible avec les modes streaming et non-streaming, supportant les modèles Conformer, Squeezeformer et DeepSpeech2, ainsi que diverses méthodes d'augmentation de données.

Boîte à outils open source pour la reconnaissance vocale de bout en bout utilisant PyTorch-Lightning et Hydra.

Reconnaissance vocale hors ligne avec OpenAI Whisper et TensorFlow Lite pour Android

Papers INTERSPEECH 2023-2024 : une collection complète de papiers influents et passionnants de la conférence INTERSPEECH 2023-24. Découvrez les dernières avancées dans le traitement du discours et du langage. Code inclus. Étoinez le dépôt pour soutenir l'avancement de la technologie vocale !

Moteur de diffusion de reconnaissance vocale à la volée exécuté sur appareil, alimenté par l'apprentissage profond.

Système ASR industriel tout-en-un de pointe incluant des modules ASR, VAD, LID et de ponctuation. FireRedASR2 prend en charge le chinois, l'anglais, le code-switching ainsi que la reconnaissance de la parole et du chant.

Traduction audio en temps réel, capture l'audio système et le micro, exécute ASR (Whisper/SenseVoice), traduit via l'API LLM avec affichage en streaming. Idéal pour les VTubers, les streamers et le visionnage de contenus étrangers.

Théorie, articles et présentations sur la reconnaissance vocale

🤗 Optimum Intel : Accélérez l'inférence avec les outils d'optimisation Intel

📣 Bibliothèque open source de reconnaissance automatique de la parole de niveau commercial, prête à l'emploi, multiplateforme, avec reconnaissance mixte chinois-anglais. Implémentation multiplateforme d'inférence ASR basée sur ONNXRuntime et FunASR, fournissant des API simplifiées pour appeler les modèles ASR.

Plateforme d'agent vocal open source

Un logiciel d'affichage de sous-titres en temps réel et multiplateforme.

Un pipeline de transcription (Speech-to-Text) optimisé pour le modèle Whisper prenant en charge plusieurs moteurs d'inférence

SpeechIO Leaderboard : une plateforme de benchmarking vaste, robuste et complète pour la reconnaissance automatique de la parole.

Une bibliothèque de reconnaissance vocale fonctionnant dans le navigateur grâce à une compilation WebAssembly de Vosk

Articles ICASSP 2023-2024 : Une collection complète de recherches influentes issues des conférences ICASSP 2023-24. Explorez les dernières avancées en acoustique, parole et traitement du signal. Code inclus.

Pocket-sized AI chatbot built using a RPI Zero 2w / 5