speech-recognition

💎 Daftar korpus ucapan yang dapat diakses untuk ASR, TTS, dan Teknologi Ucapan lainnya

Fine-tune LLM di Mac Anda dengan Apple Silicon. SFT, DPO, GRPO, Vision, TTS, STT, Embedding, dan fine-tuning OCR — secara native di MLX. API yang kompatibel dengan Unsloth.

Transkripsi yang Dapat Dikontrol. Verbatim (setiap kata, pengisi, jeda, gagap, suara vokal), atau yang dimaksudkan (apa yang ingin dikatakan pembicara, dioptimalkan untuk keterbacaan) dengan stempel waktu tingkat kata.

Klien baris perintah Whisper yang kompatibel dengan klien asli OpenAI berbasis CTranslate2.

Asisten Pribadi yang dibangun menggunakan pustaka Python. Melakukan hampir semua hal termasuk mengirim email, Pengenalan Teks Optik (OCR), Pelaporan Berita Dinamis kapan saja dengan integrasi API, pembuat daftar tugas, membuka situs web apa pun hanya dengan perintah suara, Memutar Musik, pencarian Wikipedia, Kamus dengan Penginderaan Cerdas yaitu koreksi ejaan otomatis, Pelaporan Cuaca yaitu suhu, kecepatan angin, kelembapan,

Suara-ke-teks dengan fitur push-to-talk untuk compositor Wayland

StreamSpeech adalah model "All in One" yang mulus untuk pengenalan suara offline dan simultan, terjemahan suara, serta sintesis suara.

Pruna adalah kerangka kerja optimasi model yang dibuat untuk pengembang, memungkinkan Anda menghadirkan model yang lebih cepat dan efisien dengan overhead minimal.

Server pengenalan suara WebSocket, gRPC, dan WebRTC berdasarkan pustaka Vosk dan Kaldi

Lakukan fine-tune pada model pengenalan suara Whisper untuk mendukung pelatihan tanpa data penanda waktu, pelatihan dengan data penanda waktu, dan pelatihan tanpa data suara. Mempercepat inferensi dan mendukung deployment di Web, desktop Windows, serta Android

Aplikasi obrolan suara

💁 Kumpulan luar biasa Model Transformers untuk Natural Language Processing yang berisi makalah, video, blog, repo resmi beserta Colab Notebooks. 🛫☑️

Lab praktis untuk membangun, menguji, dan mengevaluasi aplikasi dengan kerangka kerja Foundation Models dari Apple.

Buku catatan pribadi dengan jajaran asisten AI pribadi. Agen membaca apa yang Anda catat dan mengusulkan apa yang harus dilakukan selanjutnya — Anda menyetujui perubahannya. Sinkronisasi terenkripsi end-to-end antar perangkat Anda sendiri — server hanya pernah melihat teks terenkripsi. AI lokal bersifat opsional.

Toolkit bicara AI untuk Apple Silicon — ASR, TTS, speech-to-speech, VAD, dan diarisasi yang didukung oleh MLX dan CoreML

Irina - asisten suara berbahasa Rusia untuk bekerja secara offline. Mendukung keterampilan melalui plugin.

Alat untuk menangani data multimodal dalam proyek machine learning.

Implementasi PyTorch [Tidak Resmi] untuk "Conformer: Convolution-augmented Transformer for Speech Recognition" (INTERSPEECH 2020)

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

SGLang-Omni mendukung penyajian berkinerja tinggi untuk model TTS, ASR, ucapan, dan omni.

AI Vtuber untuk streaming di Youtube/Twitch

Aplikasi iOS sumber terbuka yang membuat transkripsi suara berkualitas lebih mudah diakses di perangkat seluler.

💬📝 Aplikasi dikte kecil menggunakan model pengenalan suara Whisper dari OpenAI.

Server pengenalan suara full-duplex waktu nyata, berbasis toolkit Kaldi dan framework GStreamer.

Pengenalan suara offline untuk Android menggunakan pustaka Vosk.

Pembungkus Python untuk Kaldi

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

Alat penyuntingan yang menggunakan AI untuk mentranskripsi, memahami konten, dan mencari apa pun dalam rekaman Anda, terintegrasi dengan ChatGPT dan model AI lainnya.

Kerangka kerja server Speech-to-text dengan Kaldi generasi berikutnya

Transkripsi audio nyaris real-time menggunakan Whisper mandiri dan WebSocket di Python/JS