speech-recognition

Implementasi JAX dari model Whisper OpenAI untuk peningkatan kecepatan hingga 70x pada TPU.

Pengenal ucapan kecil

Varian distilasi dari Whisper untuk pengenalan suara. 6x lebih cepat, 50% lebih kecil, dengan tingkat kesalahan kata di bawah 1%.

Layanan API ASR OpenAI Whisper

Executable mandiri Whisper & Faster-Whisper bagi mereka yang tidak ingin repot dengan Python.

Alternatif asisten suara sumber terbuka, lokal, dan self-hosted untuk menyaingi Amazon Echo/Google Home

Transkripsikan audio apa pun menjadi teks, terjemahkan, dan edit subtitle 100% secara lokal dengan antarmuka web. Didukung oleh model whisper!

Lingvo

Pengenalan Ucapan Otomatis Multibahasa dengan stempel waktu tingkat kata dan tingkat kepercayaan.

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

Runtime suara real-time yang menjaga Agen tetap berbicara, bekerja, dan hadir. Runtime Suara Real-time untuk Agen AI.

🎙 Pengenalan ucapan menggunakan kerangka kerja deep learning tensorflow, jaringan saraf sequence-to-sequence

AI multimodal waktu nyata pada perangkat dengan fitur yang mirip dengan GPT-Live

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.

Pengenalan suara bahasa Mandarin; Mandarin Automatic Speech Recognition;

Mesin Pengenalan Ucapan Kontinu Kosakata Besar Sumber Terbuka

Daftar kurasi makalah, pustaka, dataset, dan sumber daya Speaker Diarization yang luar biasa.

Sistem pengodean mandiri untuk aplikasi Anda — Alan AI SDK untuk iOS.

Sistem Pengodean Mandiri untuk Aplikasi Anda — Alan AI SDK untuk Android

Whisper Lintas Platform dengan Akselerasi GPU 🏎️

Pengenalan suara waktu nyata dan deteksi aktivitas suara (VAD) menggunakan Kaldi generasi berikutnya dengan ncnn tanpa koneksi Internet. Mendukung iOS, Android, Linux, macOS, Windows, Raspberry Pi, VisionFive2, LicheePi4A, dll.

Sistem pengkodean mandiri untuk aplikasi Anda — Alan AI SDK untuk Flutter

Sistem Pengodean Mandiri untuk Aplikasi Anda — Alan AI SDK untuk Ionic

Aplikasi Linux Speech Note. Mencatat, membaca, dan menerjemahkan dengan Speech to Text, Text to Speech, dan terjemahan mesin secara luring.

Plugin OBS untuk pengenalan ucapan lokal dan pembuatan teks keterangan menggunakan AI

Amica adalah antarmuka sumber terbuka untuk komunikasi interaktif dengan karakter 3D yang dilengkapi sintesis suara dan pengenalan ucapan.

Node kustom yang memperluas kemampuan Comfyui

Keluarga SALMONN: Sekumpulan multi-modal LLM tingkat lanjut

Keluarga model ASR berbasis LLM open-source untuk bahasa Mandarin, dialek, aksen, dan ucapan multilingual, lengkap dengan runtime FunASR, vLLM, streaming, dan llama.cpp.

Pra-pelatihan Ucapan-Teks Modal-Terpadu untuk Pemrosesan Bahasa Lisan