speech-recognition

TPU上で最大70倍の高速化を実現する、OpenAIのWhisperモデルのJAX実装

小型の音声認識器。

音声認識のためのWhisperの蒸留バリアント。6倍高速化、50%小型化、単語誤り率1%以内。

OpenAI Whisper ASR Web サービス API

Python の導入を避けたい人のための Whisper および Faster-Whisper のスタンドアロン実行ファイル

Amazon Echo や Google Home の競合となる、オープンソースかつローカルでセルフホスト可能な音声アシスタントの代替

Web UIを使って、あらゆる音声を100%ローカルでテキスト化、翻訳、字幕編集ができるツール。whisperモデルを採用！

Lingvo

単語レベルのタイムスタンプと信頼度を備えた多言語自動音声認識

🐸STT - 音声認識（Speech-to-Text）のためのディープラーニングツールキット。STT モデルのトレーニングとデプロイがかつてないほど簡単になりました。

エージェントの対話、作業、存在感を維持するリアルタイム音声ランタイム。AI エージェント向けのリアルタイム音声ランタイム

🎙 tensorflowディープラーニングフレームワークと、sequence-to-sequenceニューラルネットワークを使用した音声認識

GPT-Live と同様の機能を備えた、デバイス上のリアルタイムマルチモーダル AI

中国語、方言、英語をサポートするオープンソースの産業グレード ASR モデル。パブリックな中国語 ASR ベンチマークで新たな SOTA を達成し、優れた歌声の歌詞認識能力も提供します。

中国語音声認識；Mandarin Automatic Speech Recognition；

オープンソースの大語彙連続音声認識エンジン

話者分離（Speaker Diarization）に関する優れた論文、ライブラリ、データセット、その他のリソースのキュレーションリスト。

アプリのためのセルフコーディングシステム — iOS 向け Alan AI SDK

アプリのためのセルフコーディングシステム — Android用 Alan AI SDK

クロスプラットフォーム、GPU加速対応のWhisper 🏎️

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

アプリ向けセルフコーディングシステム — Flutter 用 Alan AI SDK

アプリのためのセルフコーディングシステム — Ionic 向け Alan AI SDK

Speech Note Linux アプリ。オフラインでの音声文字変換（Speech to Text）、音声合成（Text to Speech）、機械翻訳を使用したメモ作成、読み上げ、翻訳機能を提供します。

AIを使用したローカル音声認識および字幕生成のためのOBSプラグイン

Amicaは、音声合成と音声認識を備えた3Dキャラクターとの対話型コミュニケーションのためのオープンソースインターフェースです

ComfyUI の機能を拡張するカスタムノード

SALMONN ファミリー：高度なマルチモーダル LLM のスイート

中国語、方言、アクセント、多言語音声に対応した、オープンソースの LLM ベース ASR モデルファミリ。FunASR、vLLM、ストリーミング、llama.cpp ランタイムをサポート。

音声言語処理のための統合モーダル音声・テキスト事前学習