speech-recognition

💎 ASR, TTS 및 기타 음성 기술을 위한 접근 가능한 음성 말뭉치(speech corpora) 목록

Apple Silicon Mac에서 LLM 파인튜닝. MLX 네이티브 기반 SFT, DPO, GRPO, Vision, TTS, STT, Embedding, OCR 파인튜닝 지원. Unsloth 호환 API.

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.

CTranslate2 기반의 원본 OpenAI 클라이언트와 호환되는 Whisper 명령 줄 클라이언트

Python 라이브러리로 구축된 개인 비서. 이메일 발송, 광학 문자 인식(OCR), API 연동을 통한 동적 뉴스 브리핑, 할 일 목록 생성, 음성 명령으로 웹사이트 열기, 음악 재생, 위키피디아 검색, 지능형 자동 맞춤법 검사 사전, 날씨 정보(기온, 풍속, 습도) 제공 등 거의 모든 기능을 수행합니다.

Wayland 컴포지터를 위한 푸시투토크(PTK) 지원 음성 텍스트 변환(STT)

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

Pruna는 개발자를 위해 제작된 모델 최적화 프레임워크로, 최소한의 오버헤드로 더 빠르고 효율적인 모델을 제공할 수 있게 해줍니다.

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.

음성 채팅 앱

논문, 동영상, 블로그, 공식 저장소 및 Colab 노트북을 포함하는 자연어 처리용 Transformers 모델 모음

Apple의 Foundation Models 프레임워크를 사용하여 앱을 빌드, 테스트 및 평가하기 위한 실습 랩

개인 AI 어시스턴트가 포함된 비공개 로그북. 에이전트가 기록을 읽고 다음 작업을 제안하며 사용자가 변경 사항을 승인함. 기기 간 종단간 암호화 동기화를 지원하며 서버는 암호문만 확인 가능. 로컬 AI 사용 옵션 제공

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

오프라인에서 작동하는 러시아어 음성 어시스턴트 Ирина. 플러그인을 통한 스킬을 지원합니다.

머신러닝 프로젝트에서 멀티모달 데이터를 처리하기 위한 도구입니다.

앱을 위한 셀프 코딩 시스템 — Cordova용 Alan AI SDK

"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.

Youtube 및 Twitch 스트리밍을 위한 AI Vtuber

모바일 기기에서 고품질 음성 전사를 더욱 쉽게 사용할 수 있도록 하는 오픈소스 iOS 앱

💬📝 OpenAI의 Whisper 음성 인식 모델을 사용하는 소형 구술 앱.

Kaldi 툴킷과 GStreamer 프레임워크를 기반으로 하는 실시간 전이중 음성 인식 서버

Vosk 라이브러리를 사용한 Android용 오프라인 음성 인식

Kaldi용 Python 래퍼

:zap: TensorFlowASR: Tensorflow 2 기반의 최신 수준에 준하는 자동 음성 인식(ASR) 구현. 문자 또는 서브워드를 사용할 수 있는 언어 지원

ChatGPT 및 기타 AI 모델과 통합되어 영상의 내용을 전사, 이해하고 검색할 수 있는 AI 기반 편집 도구

차세대 Kaldi 기반 음성 인식(STT) 서버 프레임워크

Python/JS 환경에서 자체 호스팅 Whisper와 WebSocket을 사용한 실시간 오디오 전사