speech-recognition

Adapt Intent Parser

OBS、VRChat、Twitchチャット、Discord向けの音声認識（Speech to Text）およびKB入力字幕

PyTorch-LightningとHydraを活用したエンドツーエンド音声認識のためのオープンソースツールキット。

ディープラーニングを活用したオンデバイス Speech-to-Intent エンジン

音声APIのサンプル

音声認識（Speech-to-Text）のベンチマークフレームワーク

OpenAI Whisper と TensorFlow Lite を使用した Android 向けオフライン音声認識

INTERSPEECH 2023-2024論文コレクション：INTERSPEECH 2023-24カンファレンスの影響力ある重要な研究論文の完全なまとめ。音声および言語処理の最新の進歩を探索できます。コード付き。音声技術の発展を支援するためにリポジトリにスターをお願いします！

音声数字の無料オーディオデータセット。MNIST のオーディオ版。

React Native Expoプロジェクト向けの音声認識

ディープラーニングを活用した、デバイス上のストリーミング音声認識エンジン

ASR、VAD、LID、Punc モジュールを備えた SOTA の産業グレードオールインワン ASR システム。FireRedASR2 は中国語（標準語、20以上の方言/アクセント）、英語、コードスイッチング、音声および歌唱の ASR をサポートします。FireRedVAD は 100 以上の言語で音声/歌唱/音楽をサポートします。FireRedLID は 100 以上の言語と 20 以上の中国語方言をサポートします。FireRedPunc は中国語と英語をサポートします。

macOS の内蔵音声認識および文字起こし機能のためのコマンドラインインターフェース

自宅のChatGPT！LiteLLMとLangGraphを使用し、Raspberry Pi上で構築された商用スマートホームアシスタントの優れた代替品

:speech_balloon: /so.nus/ オフラインホットワード検知機能を備えたNode向けSTT（音声認識）

Whisper をベースにした Android 入力メソッドエディタ（IME）

リアルタイム音声翻訳。システム音声とマイクをキャプチャし、ASR（Whisper/SenseVoice）を実行し、LLM API経由で翻訳してストリーミング表示します。VTuber、ライブ配信者、外国語コンテンツの視聴に最適です。

faster-whisperを使用したリアルタイム文字起こし

多言語 ASR および TTS モデル（Cohere Transcribe、Parakeet TDT、Voxtral、Canary 1B v2 など）向けの C++ 製 ggml ランタイムハブ。汎用フォースドアライメント機能なども搭載

辞書と言語モデルを備えた Connectionist Temporal Classification (CTC) デコーダー

複数の推論エンジンをサポートする、Whisperモデル向けの最適化されたSpeech-to-Textパイプライン

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

VRChat向けに作られたモジュール式のノードプログラミング言語、プログラムクリエイター、アニメーションシステム、ツールキット、ルーター、デバッガー

🗣 カスタマイズ可能な UI でユーザーの音声許可を取得し、音声をテキストとして入力するオーバーレイ

SpeechIO Leaderboard: 自動音声認識のための大規模で堅牢かつ包括的なベンチマークプラットフォーム。

韓国語音声認識 STT API リストと各パフォーマンスベンチマーク。

単一ファイルで実装された、高品質かつストリーミング対応のSpeech-to-Speech対話型エージェント。

Lightning-fast, free, local first voice dictation for macOS with on-device transcription

Vosk の WebAssembly ビルドによりブラウザ上で動作する音声認識ライブラリ

自動音声認識（ASR）およびテキスト読み上げ（TTS）エンジン。中英バイリンガル音声認識、マルチロール音声合成、多言語対応、高精度