speech-recognition

Analyseur d'intention Adapt

Transcription de la parole en texte et saisie de sous-titres via KB pour OBS, VRChat, le chat Twitch et Discord.

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

Moteur de conversion de la parole en intention sur l'appareil propulsé par l'apprentissage profond

Exemple d'API vocale

Framework de benchmark pour la reconnaissance vocale (speech-to-text)

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 !

Un jeu de données audio gratuit de chiffres prononcés. Version audio de MNIST.

Reconnaissance vocale pour les projets React Native Expo

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.

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

Interface en ligne de commande pour les fonctionnalités intégrées de reconnaissance vocale et de transcription de macOS.

ChatGPT à la maison ! Une meilleure alternative aux assistants domotiques commerciaux, construite sur Raspberry Pi avec LiteLLM et LangGraph.

:speech_balloon: /so.nus/ STT (speech to text) pour Node avec détection de mots-clés hors ligne

Éditeur de méthodes d’entrée Android (IME) basé sur Whisper

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.

Transcription en temps réel utilisant faster-whisper

Hub d'exécution ggml en C++ pour les modèles ASR et TTS multilingues : Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2, etc., plus alignement forcé universel, et plus encore

Décodeur CTC (Connectionist Temporal Classification) avec dictionnaire et modèle de langage.

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

Le système d'autocodage pour votre application — Alan AI SDK pour React Native

Un langage de programmation par nœuds modulaire, un créateur de programmes, un système d'animation, une boîte à outils, un routeur et un débogueur conçus pour VRChat

🗣 Un overlay qui obtient la permission vocale et la saisie de l'utilisateur sous forme de texte dans une interface personnalisable

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

Liste d'API de reconnaissance vocale (STT) en coréen avec benchmarks de performance.

Lightning-fast, free, local first voice dictation for macOS with on-device transcription

Agent interactif Speech-to-Speech haute qualité et en streaming implémenté dans un seul fichier.

Moteur de reconnaissance vocale (ASR) et de synthèse vocale (TTS). Reconnaissance vocale chinois-anglais, synthèse vocale multi-rôles, support multilingue et haute précision.

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