speech-recognition

Adapt Intent Parser

OBS, VRChat, Twitch चैट और Discord के लिए स्पीच टू टेक्स्ट और KB इनपुट कैप्शन

PyTorch-Lightning और Hydra का लाभ उठाने वाला एंड-टू-एंड स्पीच रिकग्निशन के लिए ओपन-सोर्स टूलकिट।

deep learning द्वारा संचालित On-device Speech-to-Intent इंजन

वॉयस API उदाहरण।

स्पीच-टू-टेक्स्ट बेंचमार्क फ्रेमवर्क

Android के लिए OpenAI Whisper और TensorFlow Lite के साथ ऑफ़लाइन वाक् पहचान (Speech Recognition)

INTERSPEECH 2023-2024 पेपर्स: INTERSPEECH 2023-24 सम्मेलन से प्रभावशाली और रोमांचक शोध पत्रों का एक संपूर्ण संग्रह। स्पीच और लैंग्वेज प्रोसेसिंग में नवीनतम प्रगति का अन्वेषण करें। कोड शामिल है।

React Native Expo प्रोजेक्ट्स के लिए स्पीच रिकग्निशन

बोले गए अंकों का एक मुफ्त ऑडियो डेटासेट। MNIST का एक ऑडियो संस्करण।

ASR, VAD, LID और Punc मॉड्यूल के साथ एक अत्याधुनिक औद्योगिक-ग्रेड ऑल-इन-वन ASR सिस्टम। FireRedASR2 चीनी (मंदारिन, 20+ बोलियों/उच्चारणों), अंग्रेजी, कोड-स्विचिंग, और भाषण और गायन दोनों ASR का समर्थन करता है। FireRedVAD 100+ भाषाओं में भाषण/गायन/संगीत का समर्थन करता है। FireRedLID 100+ भाषाओं और 20+ चीनी बोलियों का समर्थन करता है। FireRedPunc चीनी और अंग्रेजी का समर्थन करता है।

डीप लर्निंग द्वारा संचालित ऑन-डिफ़ाइस स्ट्रीमिंग स्पीच-टू-टेक्स्ट इंजन

macOS में अंतर्निहित भाषण पहचान और प्रतिलेखन क्षमताओं के लिए कमांड लाइन इंटरफ़ेस।

घर पर ChatGPT! LiteLLM और LangGraph का उपयोग करके Raspberry Pi पर निर्मित, कमर्शियल स्मार्ट होम असिस्टेंट का एक बेहतर विकल्प।

Node के लिए STT (स्पीच टू टेक्स्ट), जिसमें ऑफलाइन हॉटवर्ड डिटेक्शन की सुविधा है।

Whisper पर आधारित Android Input Method Editor (IME)

रीयल-टाइम ऑडियो अनुवाद, सिस्टम ऑडियो + माइक कैप्चर करता है, ASR (Whisper/SenseVoice) चलाता है, और स्ट्रीमिंग डिस्प्ले के साथ LLM API के माध्यम से अनुवाद करता है। VTubers, लाइवस्ट्रीमर्स और विदेशी सामग्री देखने के लिए उपयुक्त।

faster-whisper का उपयोग करके रियल-टाइम ट्रांसक्रिप्शन

बहुभाषी ASR और TTS मॉडल के लिए C++ ggml रनटाइम हब: Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2, आदि, साथ ही यूनिवर्सल फोर्स्ड अलाइनमेंट और बहुत कुछ।

शब्दकोश और भाषा मॉडल के साथ Connectionist Temporal Classification (CTC) डिकोडर।

Whisper Model के लिए एक अनुकूलित Speech-to-Text Pipeline जो कई Inference Engine का समर्थन करती है

आपके ऐप के लिए सेल्फ-कोडिंग सिस्टम — React Native के लिए Alan AI SDK।

VRChat के लिए बनाया गया एक मॉड्यूलर नोड-प्रोग्रामिंग भाषा, प्रोग्राम क्रिएटर, एनिमेशन सिस्टम, टूलकिट, राउटर और डिबगर।

🗣 एक ओवरले जो आपके उपयोगकर्ता की आवाज़ की अनुमति और इनपुट को एक कस्टमाइज़ेबल UI में टेक्स्ट के रूप में प्राप्त करता है

SpeechIO लीडरबोर्ड: ऑटोमैटिक स्पीच रिकग्निशन के लिए एक बड़ा, मजबूत और व्यापक बेंचमार्किंग प्लेटफ़ॉर्म।

कोरियाई स्पीच रिकग्निशन STT API सूची और उनके प्रदर्शन बेंचमार्क।

macOS के लिए बिजली की गति वाला, मुफ्त, लोकल-फर्स्ट वॉयस डिक्टेशन, ऑन-डिवाइस ट्रांसक्रिप्शन के साथ

एक ही फ़ाइल में उच्च-गुणवत्ता और स्ट्रीमिंग स्पीच-टू-स्पीच इंटरैक्टिव एजेंट।

Automatic Speech Recognition (ASR) और Text-To-Speech (TTS) इंजन। चीनी और अंग्रेजी स्पीच रिकग्निशन, मल्टी-रोल स्पीच सिंथेसिस, बहुभाषी समर्थन और उच्च सटीकता।

Vosk के WebAssembly बिल्ड की मदद से ब्राउज़र में चलने वाली एक स्पीच रिकग्निशन लाइब्रेरी।