k2-fsa

Speech-to-text, text-to-speech, diarização de locutor, aprimoramento de fala, separação de fontes e VAD usando a próxima geração do Kaldi com onnxruntime sem conexão com a Internet. Suporte a sistemas embarcados, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, RK NPU, Axera NPU, Ascend NPU, servidores x86_64, servidor/cliente websocket e 12 linguagens de programação

TTS de clonagem de voz de alta qualidade para mais de 600 idiomas

Reconhecimento de fala em tempo real e detecção de atividade de voz (VAD) usando a nova geração do Kaldi com ncnn, sem necessidade de conexão com a Internet. Suporte para iOS, Android, Linux, macOS, Windows, Raspberry Pi, VisionFive2, LicheePi4A, entre outros.

Algoritmos FSA/FST, diferenciáveis, com compatibilidade com PyTorch.

Text-to-Speech Zero-Shot rápido e de alta qualidade com Flow Matching

Framework de servidor de fala para texto (speech-to-text) com Kaldi de nova geração