voice-recognition

Python、Java、C#、Nodeに対応した、Android、iOS、Raspberry Piおよびサーバー向けのオフライン音声認識API

自己教師あり学習モデル、句読点付きSOTA/ストリーミングASR、テキストフロントエンド付きストリーミングTTS、話者認証システム、エンドツーエンド音声翻訳、キーワードスポッティングを含む使いやすい音声ツールキット。NAACL2022最優秀デモ賞を受賞。

PyTorchベースの音声ツールキット

超低遅延の音声認識、意図認識、テキスト読み上げ機能。ボイスエージェントやインターフェースの構築に最適です。

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

OpenAIのWhisperのほぼライブ実装。

高機能な漢字ユーティリティライブラリ（ピンイン、画数、部首、四字熟語、音声、ビジュアライゼーションなど）

🐸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。

音声活動検出 (VAD) : 低レイテンシ、高性能、軽量

🔊 音声およびサウンドコンピューティング向けのオープンソースデータセットの包括的なリスト（95以上のデータセット）

💎 ASR、TTS、その他の音声技術向けにアクセス可能な音声コーパスのリスト

EcapaTdnn、ResNetSE、ERes2Net、CAM++ などのさまざまな高度な声紋認識モデルを使用するプロジェクトです。今後、さらに多くのモデルがサポートされる予定です。同時に、MelSpectrogram や Spectrogram のデータ前処理方法もサポートしています。

Python製AIアシスタント 🧠

Elite Dangerous 用の船長日誌および 3D スターマップ

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

Voicetypr - macOS および Windows 向けの、忙しい創業者、Vibe コーダー、AI パワーユーザー向けの AI 駆動オフライン音声文字起こしツール。wispr flow および superwhisper の代替となるツール。

音声認識（Speech-to-Text）のベンチマークフレームワーク

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

: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）

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

🗣 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