asr

인터넷 연결 없이 ncnn을 사용하는 차세대 Kaldi 기반 실시간 음성 인식 및 음성 활동 감지(VAD). iOS, Android, Linux, macOS, Windows, Raspberry Pi, VisionFive2, LicheePi4A 등 지원

백령(Bailing)은 ASR+LLM+TTS를 통해 구현된 GPT-4o 유사 음성 대화 봇으로, DeepSeek R1 등 우수한 대형 모델을 통합하고 openClaw를 연동한 진정한 개인용 음성 비서입니다. 지연 시간이 800ms에 불과하며 Mac 등 저사양 환경에서도 실행 가능하고 인터럽트를 지원합니다.

Speech Note Linux 앱. 오프라인 음성 인식(STT), 음성 합성(TTS) 및 기계 번역을 통한 메모 작성, 읽기 및 번역.

LLM, 컴퓨터 비전 및 자동 음성 인식을 사용하여 비디오를 분석합니다.

🎙️ AI 받아쓰기 앱 - 오픈소스 및 로컬 퍼스트 ⚡ 키보드 없이 3배 더 빠르게 타이핑하세요. 🆓 오픈소스 모델 기반, 오프라인 작동, 빠르고 정확합니다.

FunASR, vLLM, 스트리밍, llama.cpp 런타임을 지원하는 중국어, 방언, 사투리 및 다국어 음성을 위한 오픈소스 LLM 기반 ASR 모델 패밀리

🍦 Speech-AI-Forge는 TTS 생성 모델을 중심으로 개발된 프로젝트로, API 서버 및 Gradio 기반 WebUI를 구현합니다.

비디오 동기화 번역. 비디오 더빙

제어 가능한 전사(Transcription) 기능. 단어 수준의 타임스탬프와 함께 축어적(모든 단어, 추임새, 일시 정지, 말더듬, 음성 소리) 또는 의도적(화자가 말하고자 한 내용, 가독성 최적화) 방식으로 제공.

Claude Code와의 자연스러운 음성 대화

외형과 음성을 맞춤 설정할 수 있고 음성 복제를 지원하며 대화 지연 시간이 3초에 불과한 실시간 음성 대화형 디지털 휴먼.

StreamSpeech는 오프라인 및 동시 음성 인식, 음성 번역, 음성 합성을 위한 "All in One" 심리스 모델입니다.

Vosk 및 Kaldi 라이브러리 기반의 WebSocket, gRPC, WebRTC 음성 인식 서버

타임스탬프 데이터 없는 학습, 타임스탬프 데이터가 있는 학습, 음성 데이터 없는 학습을 지원하도록 Whisper 음성 인식 모델을 파인튜닝합니다. 추론을 가속화하고 Web 배포, Windows 데스크톱 배포 및 Android 배포를 지원합니다.

Apple Silicon용 AI 음성 toolkit — MLX 및 CoreML 기반 ASR, TTS, 음성 대 음성, VAD 및 화자 분할

실환경을 위해 구축된 최초의 파운데이션 ASR - 7가지 원자적 음향 조건, 54가지 복합 시나리오, 260만 개의 샘플을 포함하며, 기존 모델이 실패하는 환경에서 SOTA 대비 최대 30% 성능 향상

"Conformer: Convolution-augmented Transformer for Speech Recognition" (INTERSPEECH 2020) 논문의 비공식 PyTorch 구현체

SGLang-Omni는 TTS, ASR, 음성 및 옴니 모델을 위한 고성능 서빙을 지원합니다.

오픈소스 비디오 번역 스킬

Vosk 라이브러리를 사용한 Android용 오프라인 음성 인식

LLM 후처리가 포함된 완전 로컬, 프라이빗 및 크로스 플랫폼 음성 텍스트 변환(Speech-to-Text)

Kaldi용 Python 래퍼

차세대 Kaldi 기반 음성 인식(STT) 서버 프레임워크

Espresso: 빠르고 통합된 엔드투엔드 신경망 음성 인식 툴킷

로컬 기기에서 실행되는 프라이버시 중심의 안전한 음성 입력 도구 VocoType. 단축키로 음성을 실시간 텍스트로 변환하여 현재 애플리케이션에 자동으로 입력합니다. 음성-텍스트 MCP, AI 텍스트 최적화, 사용자 정의 대체 사전, 녹음/비디오-텍스트 변환 등의 기능을 지원하여 음성 입력을 더욱 효율적이고 안전하게 만듭니다.

이 프로젝트는 미세조정 및 처리된 Whisper ASR 모델을 사용하여 음성을 텍스트로 변환하는 사용자 수준 액세스 지원 API를 제공합니다.

🔥🔥🔥 자바 무료 오프라인 AI 알고리즘 툴박스. 얼굴 인식, 라이브니스 감지, 표정 인식, 객체 검출, 인스턴스 분할, 보행자 검출, OCR 문자 인식, 번호판 인식, 표 인식, ASR+TTS, 기계 번역 등 기능 지원, Maven 의존성 추가로 사용 가능. PyTorch, Tensorflow 지원, Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR(PPOCRv5), Whisper 등 주류 모델 통합 완료

음성 인식, 전사, 변환 등을 위한 사용자 친화적인 툴킷 | 간편하게 사용할 수 있는 음성 도구 상자

PaddlePaddle 기반의 엔드투엔드 중국어 음성 인식 구현. 입문부터 실전까지, 초보자를 위한 간단한 사례와 실용적인 기업 프로젝트 포함. DeepSpeech2, Conformer, Squeezeformer 모델 지원

GLM-ASR-Nano: 15억 개의 파라미터를 가진 강력한 오픈 소스 음성 인식 모델