vad

Silero VAD: 事前学習済みエンタープライズグレードの音声活動検出器

動画と字幕を自動的に同期します。

PySide6 を使用した faster_whisper GUI

アプリ内で最先端の CoreML 音声モデルを利用可能に — テキスト読み上げ、音声認識、音声区間検出、話者ダイアライゼーション。Swift 製、SOTA のオープンソースを活用。

音声活動検出 (VAD) : 低レイテンシ、高性能、軽量

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

Whisper.net。Whisperモデルを使用して音声認識をシンプルに実現

音声区間検出（VAD）および音声セグメンテーションツール

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。

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

ICASSP 2023-2024 論文集：ICASSP 2023-24 カンファレンスにおける影響力のある興味深い研究論文の完全なコレクション。音響、音声、信号処理の最新の進歩を探索できます。コード付き。音声および信号処理の発展を支援するためにリポジトリにスターをつけてください！

100以上の言語をサポートし、Silero-VAD、TEN-VAD、FunASR-VAD、WebRTC-VAD を凌駕する、SOTA の産業グレードの音声アクティビティ検出（VAD）および音声イベント検出ライブラリ。

Android 音声活動検出 (VAD) ライブラリ。WebRTC VAD GMM、Silero VAD DNN、Yamnet VAD DNN モデルをサポート。