speech-recognition

Adapt Intent Parser

Teks ucapan dan keterangan input KB untuk OBS, VRChat, obrolan Twitch, dan Discord

Toolkit Open-Source untuk Pengenalan Ucapan End-to-End yang memanfaatkan PyTorch-Lightning dan Hydra.

Mesin Speech-to-Intent pada perangkat yang didukung oleh deep learning.

Contoh API suara

framework tolok ukur speech to text

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

Makalah INTERSPEECH 2023-2024: Kumpulan lengkap makalah penelitian yang berpengaruh dan menarik dari konferensi INTERSPEECH 2023-24. Jelajahi kemajuan terbaru dalam pemrosesan ucapan dan bahasa. Disertai kode. Beri bintang pada repositori untuk mendukung kemajuan teknologi ucapan!

Dataset audio gratis dari digit yang diucapkan. Versi audio dari MNIST.

Pengenalan Ucapan untuk proyek React Native Expo

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.

Antarmuka baris perintah untuk kapabilitas pengenalan dan transkripsi suara bawaan di macOS.

ChatGPT di rumah! Alternatif yang lebih baik untuk asisten rumah pintar komersial, dibangun di atas Raspberry Pi menggunakan LiteLLM dan LangGraph.

:speech_balloon: /so.nus/ STT (speech to text) untuk Node dengan deteksi kata kunci offline.

Android Input Method Editor (IME) berbasis Whisper

Terjemahan audio waktu nyata, menangkap audio sistem + mik, menjalankan ASR (Whisper/SenseVoice), menerjemahkan melalui LLM API dengan tampilan streaming. Sempurna untuk VTuber, streamer langsung, dan menonton konten asing.

Transkripsi waktu nyata menggunakan faster-whisper

Pusat runtime C++ ggml untuk model ASR dan TTS multibahasa: Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2, dll., ditambah penyelarasan paksa universal, dan lainnya

Dekoder Connectionist Temporal Classification (CTC) dengan kamus dan model bahasa.

Pipeline Speech-to-Text yang dioptimalkan untuk Model Whisper yang mendukung berbagai Inference Engine

Sistem pengodean mandiri untuk aplikasi Anda — Alan AI SDK untuk React Native

Bahasa pemrograman node modular, pembuat program, sistem animasi, toolkit, router, dan debugger yang dibuat untuk VRChat

🗣 Overlay yang mendapatkan izin suara pengguna dan masukan sebagai teks dalam UI yang dapat disesuaikan

SpeechIO Leaderboard: platform benchmarking yang besar, kuat, komprehensif untuk Automatic Speech Recognition.

Daftar API STT pengenalan suara bahasa Korea dan tolok ukur kinerjanya masing-masing.

Agen interaktif Speech-to-Speech berkualitas tinggi dan siap <i>streaming</i> dalam satu file tunggal.

Dikte suara lokal yang sangat cepat, gratis, dan mengutamakan privasi untuk macOS dengan transkripsi pada perangkat

Mesin Automatic Speech Recognition (ASR) dan Text-To-Speech (TTS). Pengenalan suara bahasa Mandarin-Inggris, sintesis suara multi-peran, mendukung banyak bahasa dengan tingkat akurasi tinggi.

Pustaka pengenalan suara yang berjalan di browser berkat build WebAssembly dari Vosk