automatic-speech-recognition

Speech-to-text lokal waktu nyata dengan streaming ASR, diarization pembicara, penerjemahan, dan API yang kompatibel dengan OpenAI/Deepgram

Toolkit Pengenalan Ucapan End-to-End yang siap pakai dan mengutamakan produksi

Layanan API ASR OpenAI Whisper

[AutoArk] GPA (General Purpose Audio) dapat melakukan ASR, TTS, dan konversi suara dengan satu model kecil!

Model audio CoreML mutakhir di aplikasi Anda — teks-ke-suara, suara-ke-teks, deteksi aktivitas suara, dan diarisasi pembicara. Dalam Swift, didukung oleh open source SOTA.

🐸STT - Toolkit deep learning untuk Speech-to-Text. Melatih dan menerapkan model STT tidak pernah semudah ini.

Voice Activity Detector (VAD): latensi rendah, performa tinggi, dan ringan

Model ASR kelas industri sumber terbuka yang mendukung bahasa Mandarin, dialek Tiongkok, dan bahasa Inggris, mencapai SOTA baru pada tolok ukur ASR Mandarin publik, sekaligus menawarkan kemampuan pengenalan lirik lagu yang luar biasa.

TensorFlowASR: Automatic Speech Recognition yang hampir mutakhir di Tensorflow 2. Mendukung bahasa yang menggunakan karakter atau subword.

Evaluasi sistem speech-to-text Anda dengan ukuran kemiripan seperti word error rate (WER)

Kumpulan sumber daya tentang penerapan Large Language Models (LLMs) dalam Audio AI.

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

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

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.