voice-activity-detection

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

화자 분할을 위한 신경망 빌딩 블록: 음성 활동 감지, 화자 변경 감지, 겹친 음성 감지, 화자 임베딩

Linux용 실시간 마이크 노이즈 억제 기능.

Silero VAD: 사전 학습된 엔터프라이즈급 음성 활성 감지기(Voice Activity Detector)

비디오와 자막을 자동으로 동기화합니다.

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

Cluely의 오픈 소스 대안 - 회의, 면접, 대화 중 상대방 모르게 원활하게 작동하는 초고속, 프라이버시 우선 AI 어시스턴트. Tauri로 빌드되어 네이티브 성능을 제공하며 용량은 불과 10MB입니다. 화상 통화, 화면 공유, 녹화 시 전혀 감지되지 않습니다.

음성 활동 감지기(VAD): 저지연, 고성능, 경량화

🔊 음성 및 사운드 컴퓨팅을 위한 종합적인 오픈소스 데이터셋 목록 (95개 이상 데이터셋).

간단한 API를 제공하는 브라우저용 음성 활동 감지기(VAD)

AI 기반 실시간 오디오 애플리케이션을 구축하기 위한 파이썬 패키지

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

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

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

Python AI 어시스턴트 🧠

Whisper.net. Whisper 모델을 사용하여 간편하게 구현하는 음성 인식(STT)

CNN 기반 오디오 분할 툴킷입니다. 음성, 음악, 소음 및 화자의 성별을 감지할 수 있습니다. 성별별 발화 시간을 기반으로 하는 대규모 성평등 연구를 위해 설계되었습니다.

음성 활성 감지 및 오디오 세분화 도구

ASR, VAD, LID, Punc 모듈을 포함한 산업용 올인원 ASR 시스템. FireRedASR2는 중국어(표준어 및 20개 이상의 방언/억양), 영어, 코드 스위칭, 음성 및 노래 ASR을 지원하며, FireRedVAD는 100개 이상의 언어, FireRedLID는 100개 이상의 언어와 20개 이상의 중국어 방언, FireRedPunc는 중국어와 영어를 지원함

다중 추론 엔진을 지원하는 Whisper 모델용 최적화된 음성 인식 파이프라인

100개 이상의 언어를 지원하며 Silero-VAD, TEN-VAD, FunASR-VAD 및 WebRTC-VAD보다 뛰어난 성능을 제공하는 산업용 음성 및 오디오 이벤트 감지 도구

사전 학습된 DNN, 강제 정렬(Forced Alignment) 및 Transformer를 사용하여 자막을 자동으로 동기화 및 번역하거나 전사를 통해 새로운 자막을 생성합니다. https://subaligner.readthedocs.io/

Android 음성 활동 감지(VAD) 라이브러리. WebRTC VAD GMM, Silero VAD DNN, Yamnet VAD DNN 모델을 지원합니다.