speech-recognition

Implémentation JAX du modèle Whisper d'OpenAI, offrant jusqu'à 70x plus de vitesse sur TPU.

Un petit moteur de reconnaissance vocale.

Variante distillée de Whisper pour la reconnaissance vocale. 6 fois plus rapide, 50 % plus petite, avec un taux d'erreur sur les mots inférieur à 1 %.

API de service web ASR pour OpenAI Whisper.

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

Alternative open source, locale et auto-hébergée aux assistants vocaux Amazon Echo et Google Home.

Transcrivez n'importe quel audio en texte, traduisez et modifiez des sous-titres 100 % localement avec une interface web. Propulsé par les modèles whisper !

Lingvo

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

🐸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.

Un moteur d'exécution vocal en temps réel permettant aux agents de communiquer, de travailler et d'être présents. Moteur d'exécution vocal en temps réel pour agents IA.

🎙 Reconnaissance vocale utilisant le framework de deep learning TensorFlow et des réseaux de neurones sequence-to-sequence

IA multimodale en temps réel sur appareil, avec des fonctionnalités similaires à GPT-Live

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.

Reconnaissance vocale automatique pour le mandarin.

Moteur de reconnaissance vocale continue à large vocabulaire open source.

Une liste organisée d'articles, de bibliothèques, de jeux de données et d'autres ressources sur la diarisation du locuteur.

Le système d'auto-codage pour votre application — SDK Alan AI pour iOS

Le système d'auto-codage pour votre application — SDK Alan AI pour Android

Whisper multiplateforme accéléré par GPU

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.

Le système d'auto-codage pour votre application — SDK Alan AI pour Flutter

Le système d'auto-codage pour votre application — SDK Alan AI pour Ionic.

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

Plugin OBS pour la reconnaissance vocale et le sous-titrage local utilisant l'IA.

Amica est une interface open source pour la communication interactive avec des personnages 3D, incluant la synthèse vocale et la reconnaissance vocale.

Nœuds personnalisés étendant les capacités de Comfyui.

Famille SALMONN : une suite de LLM multimodaux avancés.

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.

Pré-entraînement parole-texte multimodal unifié pour le traitement du langage parlé