speech-recognition

Une liste de corpus vocaux accessibles pour l'ASR, le TTS et d'autres technologies vocales.

Fine-tuning de LLM sur Mac avec Apple Silicon. Support natif MLX pour SFT, DPO, GRPO, Vision, TTS, STT, Embedding et OCR. API compatible avec Unsloth.

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.

Client en ligne de commande pour Whisper, compatible avec le client OpenAI original et basé sur CTranslate2.

Assistant personnel conçu avec des bibliothèques Python. Il effectue diverses tâches : envoi d'e-mails, reconnaissance optique de caractères (OCR), rapports d'actualités dynamiques via API, gestionnaire de tâches, ouverture de sites web par commande vocale, lecture de musique, recherche Wikipédia, dictionnaire avec correction orthographique intelligente et rapports météo (température, vent, humidité).

Conversion voix-texte avec fonction push-to-talk pour les compositeurs Wayland

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

Pruna est un framework d'optimisation de modèles conçu pour les développeurs, permettant de fournir des modèles plus rapides et plus efficaces avec un minimum de surcoût.

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

Une application de chat vocal.

💁 Une collection impressionnante de modèles Transformers pour le traitement du langage naturel, incluant des articles, vidéos, blogs, dépôts officiels et notebooks Colab. 🛫☑️

Un laboratoire pratique pour construire, tester et évaluer des applications avec le framework Foundation Models d'Apple.

Un journal privé avec une équipe d'assistants IA personnels. Les agents lisent vos enregistrements et proposent des actions — vous validez les changements. Synchronisation chiffrée de bout en bout entre vos appareils — les serveurs ne voient que du texte chiffré. IA locale optionnelle.

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

Irina, un assistant vocal russe fonctionnant hors ligne, prenant en charge des compétences via des plugins.

Outils pour manipuler des données multimodales dans des projets d'apprentissage automatique

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

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

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

Vtuber IA pour le streaming sur Youtube/Twitch

L'application iOS open source qui rend la transcription vocale de qualité plus accessible sur les appareils mobiles.

💬📝 Une petite application de dictée utilisant le modèle de reconnaissance vocale Whisper d'OpenAI.

Serveur de reconnaissance vocale full-duplex en temps réel, basé sur la boîte à outils Kaldi et le framework GStreamer.

Reconnaissance vocale hors ligne pour Android avec la bibliothèque Vosk.

Un wrapper Python pour Kaldi

TensorFlowASR : Reconnaissance vocale automatique quasi à l'état de l'art sous Tensorflow 2. Langues supportées utilisant des caractères ou des sous-mots.

Outil d'édition utilisant l'IA pour transcrire, comprendre le contenu et rechercher des éléments dans vos séquences, intégré avec ChatGPT et d'autres modèles d'IA

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

Transcription audio en temps quasi réel utilisant Whisper auto-hébergé et WebSocket en Python/JS