voice-activity-detection

Boîte à outils de reconnaissance vocale open source pour l'entraînement, l'inférence, l'ASR en streaming, le VAD, la ponctuation, les pipelines de diarisation du locuteur et le service compatible OpenAI/MCP.

Blocs de construction neuronaux pour la diarisation du locuteur : détection d'activité vocale, détection de changement de locuteur, détection de chevauchement vocal, et embedding de locuteur.

Suppression du bruit du microphone en temps réel sous Linux.

Silero VAD : détecteur d'activité vocale pré-entraîné de qualité professionnelle.

Synchronisez automatiquement les sous-titres avec la vidéo.

Modèles audio CoreML de pointe dans vos applications : synthèse vocale, reconnaissance vocale, détection d'activité vocale et diarisation des locuteurs. En Swift, propulsé par des solutions open source SOTA.

L'alternative open source à Cluely - Un assistant IA ultra-rapide axé sur la confidentialité, fonctionnant en toute transparence pendant les réunions, entretiens et conversations sans être détecté. Construit avec Tauri pour des performances natives, seulement 10 Mo. Totalement indétectable lors des appels vidéo, partages d'écran et enregistrements.

Détecteur d'activité vocale (VAD) : faible latence, haute performance et léger.

🔊 Une liste exhaustive de jeux de données open source pour le traitement de la voix et du son (plus de 95 jeux de données).

Détecteur d'activité vocale (VAD) pour navigateur avec une API simple.

Un package Python pour créer des applications audio en temps réel basées sur l'IA.

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.

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

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

Assistant IA en Python 🧠

Whisper.net. La conversion parole-texte simplifiée grâce aux modèles Whisper.

Boîte à outils de segmentation audio basée sur les CNN. Permet de détecter la parole, la musique, le bruit et le genre du locuteur. Conçue pour des études à grande échelle sur l'égalité des genres basées sur le temps de parole par genre.

Un outil de détection d'activité vocale et de segmentation audio

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.

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

Détection d'activité vocale et d'événements audio de niveau industriel, prenant en charge plus de 100 langues et surpassant Silero-VAD, TEN-VAD, FunASR-VAD et WebRTC-VAD

Synchronisation et traduction automatique de sous-titres, ou création de nouveaux par transcription, utilisant des DNN pré-entraînés, l'alignement forcé et des Transformers.

Bibliothèque de détection d'activité vocale (VAD) pour Android. Supporte les modèles WebRTC VAD GMM, Silero VAD DNN et Yamnet VAD DNN.