asr

Voxtral ASR & TTS berjalan secara native dan di dalam browser. Implementasi Rust dari ASR / TTS real-time mini Voxtral milik Mistral menggunakan framework Burn ML

🎙️ Asisten produktivitas suara cerdas yang mengubah ucapan menjadi teks bersih, tindakan yang berguna, dan pengetahuan terstruktur. Membantu pengguna menangkap ide, berkomunikasi secara alami, mengotomatiskan tugas repetitif, dan tetap produktif di berbagai aplikasi dan alur kerja.

AI VTuber dengan teknologi LLM, ASR, TTS, OCR, CV, dan lainnya untuk siaran langsung atau bermain Minecraft bersama Anda.

BiBi Keyboard: Aplikasi keyboard metode masukan suara LLM dan ASR untuk platform Android berbasis Kotlin

📦 Konversi cepat antara angka Tiongkok dan angka Arab (fitur terbaru: konversi pecahan, tanggal, suhu, dll.)

Pengenalan suara berbasis PaddlePaddle, pengenalan suara bahasa Mandarin. Proyek yang lengkap dengan hasil pengenalan yang baik. Mendukung pelatihan dan prediksi di bawah Windows dan Linux, serta mendukung prediksi papan pengembang Nvidia Jetson.

Menjalankan model speech-to-text (whisper.cpp) di Unity3d pada mesin lokal Anda.

Kerangka kerja Automatic Speech Recognition (ASR) streaming dan non-streaming yang diimplementasikan dengan PyTorch, kompatibel dengan pengenalan online dan offline, saat ini mendukung model Conformer, Squeezeformer, dan DeepSpeech2, serta berbagai metode augmentasi data.

Toolkit Open-Source untuk Pengenalan Ucapan End-to-End yang memanfaatkan PyTorch-Lightning dan Hydra.

Pengenalan suara luring (offline) menggunakan OpenAI Whisper dan TensorFlow Lite untuk Android.

Makalah INTERSPEECH 2023-2024: Kumpulan lengkap makalah penelitian yang berpengaruh dan menarik dari konferensi INTERSPEECH 2023-24. Jelajahi kemajuan terbaru dalam pemrosesan ucapan dan bahasa. Disertai kode. Beri bintang pada repositori untuk mendukung kemajuan teknologi ucapan!

Sistem ASR All-in-One Kelas Industri SOTA dengan modul ASR, VAD, LID, dan Punc. FireRedASR2 mendukung bahasa Mandarin (Mandarin, 20+ dialek/aksen), Inggris, pencampuran kode, serta ASR ucapan dan nyanyian. FireRedVAD mendukung ucapan/nyanyian/musik dalam 100+ bahasa. FireRedLID mendukung 100+ bahasa dan 20+ dialek Mandarin. FireRedPunc mendukung Mandarin dan Inggris.

Mesin ucapan-ke-teks streaming on-device yang didukung oleh deep learning

Terjemahan audio waktu nyata, menangkap audio sistem + mik, menjalankan ASR (Whisper/SenseVoice), menerjemahkan melalui LLM API dengan tampilan streaming. Sempurna untuk VTuber, streamer langsung, dan menonton konten asing.

Teori, makalah, dan PPT pengenalan suara.

🤗 Optimum Intel: Percepat inferensi dengan alat optimasi Intel

Pustaka program pengenalan suara otomatis sumber terbuka kelas komersial, siap pakai, dukungan lintas platform, dan pengenalan campuran Mandarin-Inggris. Implementasi lintas platform untuk inferensi ASR berbasis ONNXRuntime dan FunASR, menyediakan sekumpulan API yang lebih mudah untuk memanggil model ASR.

Platform Agen Suara Open Source.

Perangkat lunak tampilan teks terjemahan waktu nyata lintas platform.

Pipeline Speech-to-Text yang dioptimalkan untuk Model Whisper yang mendukung berbagai Inference Engine

SpeechIO Leaderboard: platform benchmarking yang besar, kuat, komprehensif untuk Automatic Speech Recognition.

Pustaka pengenalan suara yang berjalan di browser berkat build WebAssembly dari Vosk

Makalah ICASSP 2023-2024: Kumpulan lengkap makalah penelitian yang berpengaruh dan menarik dari konferensi ICASSP 2023-24. Jelajahi kemajuan terbaru dalam akustik, ucapan, dan pemrosesan sinyal. Kode disertakan. Beri bintang pada repositori untuk mendukung kemajuan pemrosesan audio dan sinyal!

Chatbot AI seukuran saku yang dibangun menggunakan RPI Zero 2w / 5

Arabic-first generative speech recognition — Audar-ASR-V1 (Flash + Turbo). #1 on the Open Universal Arabic ASR Leaderboard. Model cards, benchmarks & inference.