voice-activity-detection

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

Blok bangunan neural untuk diarisasi pembicara: deteksi aktivitas suara, deteksi perubahan pembicara, deteksi ucapan tumpang tindih, embedding pembicara

Peredam kebisingan mikrofon secara real-time di Linux.

Silero VAD: Voice Activity Detector tingkat perusahaan yang telah dilatih sebelumnya

Sinkronisasi subtitle dengan video secara otomatis.

Model audio CoreML mutakhir di aplikasi Anda — teks-ke-suara, suara-ke-teks, deteksi aktivitas suara, dan diarisasi pembicara. Dalam Swift, didukung oleh open source SOTA.

Alternatif Open Source untuk Cluely - Asisten AI yang sangat cepat dan mengutamakan privasi, bekerja lancar saat rapat, wawancara, dan percakapan tanpa diketahui siapa pun. Dibangun dengan Tauri untuk performa natif, hanya 10MB. Sepenuhnya tidak terdeteksi dalam panggilan video, berbagi layar, dan rekaman.

Voice Activity Detector (VAD): latensi rendah, performa tinggi, dan ringan

🔊 Daftar lengkap dataset sumber terbuka untuk komputasi suara dan audio (95+ dataset).

Detektor aktivitas suara (VAD) untuk browser dengan API yang sederhana

Paket Python untuk membangun aplikasi audio waktu nyata berbasis AI.

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.

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

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

Asisten AI berbasis Python

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

Toolkit segmentasi audio berbasis CNN. Memungkinkan pendeteksian ucapan, musik, kebisingan, dan jenis kelamin pembicara. Dirancang untuk studi kesetaraan gender skala besar berdasarkan waktu bicara per gender.

Alat deteksi aktivitas suara dan segmentasi audio

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.

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

Deteksi Aktivitas Suara & Deteksi Acara Audio Kelas Industri SOTA, mendukung 100+ bahasa, mengungguli Silero-VAD, TEN-VAD, FunASR-VAD, dan WebRTC-VAD

Secara otomatis menyinkronkan dan menerjemahkan subtitle, atau membuat yang baru dengan transkripsi, menggunakan DNN terlatih, Forced Alignments, dan Transformers. https://subaligner.readthedocs.io/

Pustaka Android Voice Activity Detection (VAD). Mendukung model WebRTC VAD GMM, Silero VAD DNN, Yamnet VAD DNN.