speech-recognition

🤗 Transformers: kerangka kerja definisi model untuk model pembelajaran mesin canggih dalam teks, penglihatan, audio, dan model multimodal, baik untuk inferensi maupun pelatihan.

Porting model Whisper dari OpenAI ke dalam C/C++.

Transkripsi Faster Whisper dengan CTranslate2

WhisperX: Pengenalan Ucapan Otomatis dengan stempel waktu tingkat kata (& Diarisasi)

Toolkit pengenalan suara open source untuk pelatihan, inferensi, streaming ASR, VAD, tanda baca, pipeline diarization pembicara, dan penyajian yang kompatibel dengan OpenAI/MCP.

Leon adalah asisten pribadi open source Anda.

kaldi-asr/kaldi adalah lokasi resmi dari proyek Kaldi.

API pengenalan suara offline untuk Android, iOS, Raspberry Pi, dan server dengan Python, Java, C#, dan Node.

Skrip Deep Learning mutakhir yang diatur berdasarkan model - mudah dilatih dan diterapkan dengan akurasi serta performa yang dapat direproduksi pada infrastruktur kelas perusahaan.

Pelajari Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision, dan NLP melalui materi kuliah yang menarik ini!

Gradio WebUI untuk kreator dan pengembang, menampilkan TTS utama (Edge-TTS, kokoro) dan Kloning Suara zero-shot (E2 & F5-TTS, CosyVoice), dengan pemrosesan audio Whisper, unduhan YouTube, isolasi vokal Demucs, dan terjemahan multibahasa.

Toolkit Speech yang mudah digunakan mencakup model Self-Supervised Learning, SOTA/Streaming ASR dengan tanda baca, Streaming TTS dengan frontend teks, Sistem Verifikasi Pembicara, End-to-End Speech Translation, dan Keyword Spotting. Pemenang Penghargaan Demo Terbaik NAACL2022.

Toolkit ucapan berbasis PyTorch

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

OpenVINO™ adalah toolkit open source untuk mengoptimalkan dan menerapkan inferensi AI.

Toolkit Pemrosesan Suara End-to-End

Model SenseVoiceSmall sumber terbuka untuk ASR bahasa Mandarin, Kanton, Inggris, Jepang, dan Korea, identifikasi bahasa, pengenalan emosi, dan deteksi peristiwa audio.

Modul pengenalan ucapan untuk Python, mendistribusikan beberapa mesin dan API, online dan offline.

Sistem pengenalan suara bahasa Mandarin berbasis Deep Learning.

Pustaka text-to-speech (TTS), speech-to-text (STT), dan speech-to-speech (STS) yang dibangun di atas framework MLX Apple, menyediakan analisis suara yang efisien di Apple Silicon.

💬 Pengenalan ucapan untuk situs Anda

Toolkit Automatic Speech Recognition dari Facebook AI Research

AI Suara On-device untuk Apple Silicon

Alat pengembangan All-in-One berbasis PaddlePaddle

Alat transkripsi video, pembuatan subtitle, dan pemotongan berbasis LLM yang didukung oleh FunASR dengan antarmuka Gradio lokal.

Pengenalan Ucapan Otomatis (ASR) dengan Speaker Diarization berbasis OpenAI Whisper

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

Deteksi kata bangun (wake word) pada perangkat yang didukung oleh deep learning.

Sumber daya, praktik, dan penelitian Machine Learning serta Agentic AI.

Alat pengenalan suara ke teks, alat konversi audio/video ke subtitle yang berjalan secara lokal (offline), mendukung format output json, srt, dan teks biasa.