automatic-speech-recognition

Conversão de fala em texto local e em tempo real com ASR por streaming, diarização de locutor, tradução e APIs compatíveis com OpenAI/Deepgram.

Kit de ferramentas de reconhecimento de fala de ponta a ponta, focado e pronto para produção.

API de serviço web ASR para o OpenAI Whisper

[AutoArk] GPA (General Purpose Audio) pode realizar ASR, TTS e conversão de voz com um único modelo compacto!

Modelos de áudio CoreML de ponta em seus aplicativos — texto para fala, fala para texto, detecção de atividade de voz e diarização de locutores. Em Swift, impulsionado por código aberto SOTA.

🐸STT - O kit de ferramentas de aprendizado profundo para Speech-to-Text. Treinar e implantar modelos STT nunca foi tão fácil.

Detector de Atividade de Voz (VAD): baixa latência, alto desempenho e leve

Modelos ASR de nível industrial de código aberto que suportam mandarim, dialetos chineses e inglês, alcançando um novo SOTA em benchmarks públicos de ASR em mandarim, oferecendo também excelente capacidade de reconhecimento de letras de músicas.

:zap: TensorFlowASR: Reconhecimento automático de fala quase estado da arte em Tensorflow 2. Idiomas suportados que podem usar caracteres ou subpalavras

Avalie seu sistema de conversão de fala em texto com medidas de similaridade como a taxa de erro de palavras (WER)

Coleção de recursos sobre as aplicações de Modelos de Linguagem Grande (LLMs) em Áudio AI.

Reconhecimento de fala offline com OpenAI Whisper e TensorFlow Lite para Android

Motor de conversão de fala em texto por streaming no dispositivo impulsionado por aprendizado profundo

Um sistema ASR All-in-One de nível industrial SOTA com módulos ASR, VAD, LID e Punc. O FireRedASR2 suporta chinês (mandarim, mais de 20 dialetos/sotaques), inglês, alternância de código, e ASR de fala e canto. O FireRedVAD suporta fala/canto/música em mais de 100 idiomas. O FireRedLID suporta mais de 100 idiomas e mais de 20 dialetos chineses. O FireRedPunc suporta chinês e inglês.