asr

WhisperX: 단어 수준 타임스탬프(& 화자 분리)를 지원하는 자동 음성 인식

학습, 추론, 스트리밍 ASR, VAD, 구두점, 화자 분리 파이프라인, OpenAI 호환/MCP 서빙을 위한 오픈소스 음성 인식 툴킷.

대형 언어 모델, 멀티모달, 음성 AI(자동 음성 인식 및 텍스트 음성 변환) 연구자와 개발자를 위해 구축된 확장 가능한 생성형 AI 프레임워크

Python, Java, C#, Node를 지원하는 Android, iOS, Raspberry Pi 및 서버용 오프라인 음성 인식 API

인터넷 연결 없이 onnxruntime과 차세대 Kaldi를 사용하는 음성 인식, 음성 합성, 화자 분할, 음성 강화, 소스 분리 및 VAD. 임베디드 시스템, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, RK NPU, Axera NPU, Ascend NPU, x86_64 서버, websocket 서버/클라이언트 지원 및 12개 프로그래밍 언어 지원

자기 지도 학습 모델, 구두점이 포함된 SOTA/스트리밍 ASR, 텍스트 프론트엔드가 포함된 스트리밍 TTS, 화자 인증 시스템, 엔드투엔드 음성 번역 및 키워드 스포팅을 포함하는 사용하기 쉬운 음성 툴킷. NAACL2022 최우수 시연상(Best Demo Award) 수상

PyTorch 기반 음성 툴킷

중국어, 광동어, 영어, 일본어, 한국어 ASR, 언어 식별, 감정 인식 및 오디오 이벤트 감지를 위한 오픈 소스 SenseVoiceSmall 모델입니다.

주어진 YouTube 동영상의 자막을 가져올 수 있는 Python API입니다. 자동 생성된 자막도 지원하며, 다른 Selenium 기반 솔루션과 달리 API 키나 헤드리스 브라우저가 필요하지 않습니다!

🤖 wukong-robot은 간단하고 유연하며 우수한 중국어 음성 대화 로봇/스마트 스피커 프로젝트로, ChatGPT 멀티턴 대화 기능을 지원하며 뇌-컴퓨터 상호작용을 지원하는 최초의 오픈 소스 스마트 스피커 프로젝트일 수도 있습니다.

FunASR 기반 비디오 전사, 자막 생성 및 로컬 Gradio UI가 포함된 LLM 지원 클리핑 도구.

OpenAI Whisper 기반 화자 분리(Speaker Diarization)를 지원하는 자동 음성 인식(ASR)

HTML5 JS 녹음(mp3, wav, ogg, webm, amr, g711a, g711u 포맷). PC, Android, 일부 iOS 웹 브라우저, 하이브리드 앱(Android/iOS 소스 제공), 위챗 지원. ASR 음성 인식 텍스트 변환, H5 음성 통화 채팅 예제, DTMF 인코딩/디코딩 제공

프로덕션 우선 및 프로덕션 준비가 완료된 엔드투엔드 음성 인식 툴킷

이중 자막, AI 생성 자막, 실시간 번역 등을 제공하는 언어 학습용 미디어 플레이어!

Streamer-Sales 쌰오관 — 쇼호스트 LLM 대형 모델🛒🎁, 주어진 상품의 특징에 따라 사용자의 구매 의욕을 자극하는 각도로 상품을 설명할 수 있는 쇼호스트 LLM 대형 모델입니다.🚀⭐ 상세한 데이터 생성 프로세스 포함❗ 📦 또한 LMDeploy 가속 추론🚀, RAG 검색 augmentation 생성 📚, TTS 텍스트 음성 변환🔊, 디지털 휴먼 생성 🦸, Agent를 이용한 실시간 정보 웹 검색🌐, ASR 음성 텍스트 변환🎙️, Vue 생태계 기반 프론트엔드🍍, FastAPI 기반 백엔드🗝️, Docker-compose 패키지 배포🐋 통합

키를 누르고 말한 뒤 놓으면 어떤 앱에서든 커서에 AI로 다듬어진 텍스트가 입력됩니다. macOS 및 Windows용 오픈소스 음성 입력 도구

OpenAI Whisper ASR 웹서비스 API

Python을 다루기 귀찮은 분들을 위한 Whisper 및 Faster-Whisper 독립형 실행 파일.

[AutoArk] GPA(General Purpose Audio)는 하나의 작은 모델로 ASR, TTS 및 음성 변환을 수행할 수 있습니다!

PySide6를 사용한 faster_whisper GUI

Lingvo

단어 수준 타임스탬프와 신뢰도를 제공하는 다국어 자동 음성 인식

앱에서 사용하는 프론티어 CoreML 오디오 모델 — 텍스트 음성 변환, 음성 텍스트 변환, 음성 활동 감지 및 화자 분리. Swift 기반, SOTA 오픈소스 구동.

🐸STT - 음성 인식(Speech-to-Text)을 위한 딥러닝 툴킷. STT 모델 학습과 배포가 그 어느 때 보다 쉬워집니다.

오디오 및 비디오 콘텐츠를 빠르게 추출하여 구조화된 markdown 노트로 정리

ggml 기반의 오디오 모델용 올인원 순수 C++ 추론 엔진. 고조율된 성능으로 TTS, STT, VAD, 음성 변환, 음악 생성 등을 지원합니다. Python 의존성이 없습니다.

만다린, 중국 방언 및 영어를 지원하는 오픈 소스 산업용 ASR 모델로, 공인된 만다린 ASR 벤치마크에서 새로운 SOTA를 달성하는 동시에 뛰어난 가사 인식 기능도 제공합니다.

16개 이상의 모델 계열을 지원하는 ggml 음성 인식 추론

T2/T3/T5AI/ESP32 등을 지원하는 차세대 AI+IoT 프레임워크 – 빠른 IoT 및 AI Agent 하드웨어 통합