k2-fsa

インターネット接続なしで、次世代Kaldiとonnxruntimeを使用した音声認識（Speech-to-text）、テキスト読み上げ（text-to-speech）、話者ダイアライゼーション、音声強調、ソース分離、VADを提供。組み込みシステム、Android、iOS、HarmonyOS、Raspberry Pi、RISC-V、RK NPU、Axera NPU、Ascend NPU、x86_64サーバー、websocketサーバー/クライアントをサポートし、12のプログラミング言語に対応。

600以上の言語に対応した高品質なボイスクローニングTTS。

インターネット接続なしで次世代Kaldiとncnnを使用したリアルタイム音声認識および音声区間検出（VAD）。iOS、Android、Linux、macOS、Windows、Raspberry Pi、VisionFive2、LicheePi4Aなどをサポート

PyTorch互換性を持つ微分可能なFSA/FSTアルゴリズム。

Flow Matching を用いた高速かつ高品質なゼロショット音声合成（Text-to-Speech）

次世代 Kaldi を使用した音声認識サーバーフレームワーク