speech-recognition

Pusat penelitian AI audio: makalah, model terbuka, tolok ukur, & dataset di seluruh LLM audio, pengenalan ucapan, TTS, musik & pembuatan audio.

Layanan transkripsi dan diarisasi luring mandiri yang siap pakai dengan ringkasan LLM

Whisper.net. Konversi ucapan ke teks menjadi mudah menggunakan Whisper Models

Espresso: Toolkit Pengenalan Ucapan Neural End-to-End yang Cepat.

Asisten suara desktop berbasis Python yang mampu mengeksekusi perintah tingkat sistem, mengintegrasikan pengenalan suara dan teks-ke-suara, serta menangani interaksi pengguna secara asinkron.

Model Whisper yang dioptimalkan untuk streaming dan penggunaan di perangkat

LLM berbasis suara yang berjalan di komputer Anda tanpa memerlukan internet.

SpeechPy - Pustaka untuk Pemrosesan dan Pengenalan Ucapan: http://speechpy.readthedocs.io/en/latest/

Implementasi pengenalan suara Mandarin end-to-end berbasis PaddlePaddle, dari tingkat dasar hingga praktis, contoh pemula yang super mudah dan proyek perusahaan yang sangat berguna. Mendukung model DeepSpeech2, Conformer, dan Squeezeformer yang paling populer saat ini

💬 Pengenalan suara untuk aplikasi React Anda

Algoritma decoding Connectionist Temporal Classification (CTC): best path, beam search, lexicon search, prefix search, dan token passing. Diimplementasikan dalam Python.

Membangun aplikasi web speech2text real-time menggunakan Whisper dari OpenAI https://openai.com/blog/whisper/

Deep Learning Deskriptif

🎤 Lobe TTS - Pustaka TTS/STT yang berkualitas tinggi & andal untuk Server dan Browser

Speech to Text to Speech. Lagu sedang diputar. Mengirim teks sebagai pesan OSC ke VRChat untuk ditampilkan di avatar. (STTTS) (Speech to TTS) (VRC STT System) (VTuber TTS)

Dikte suara gratis, sumber terbuka, dan 100% luring untuk Linux. Berbicara dan mengetik di mana saja melalui mesin whisper.cpp, Whisper & VOSK, dengan akselerasi GPU, berfungsi di X11 + Wayland!

Binding React Native dari whisper.cpp.

Chatbot suara lokal untuk percakapan interaktif, didukung oleh Ollama, Hugging Face Transformers, dan Coqui TTS Toolkit

Proyek yang memungkinkan penggunaan mikrofon dengan OpenAI whisper.

Cara termudah untuk mentranskripsi audio di Swift

Model dasar untuk tugas pengenalan ucapan (Speech Recognition).

Aplikasi transkripsi suara AI yang 100% privat, mengubah ucapan menjadi teks dalam 100+ bahasa. Dibuat dengan Compose Multiplatform untuk Android & iOS menggunakan Whisper AI - tanpa unggahan cloud, semua pemrosesan dilakukan di perangkat untuk privasi penuh.

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

Deep learning untuk pemrosesan audio

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.

Alat pengenalan ucapan senyap waktu nyata.

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

Allosaurus adalah pengenal phone universal pra-latih untuk lebih dari 2000 bahasa

Papan ketik dan layanan pengenalan suara privat dan berbasis perangkat untuk Android.

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.