speaker-diarization

Kit de ferramentas de reconhecimento de fala de código aberto para treinamento, inferência, streaming ASR, VAD, pontuação, pipelines de diarização de locutores e atendimento compatível com OpenAI/MCP.

Um kit de ferramentas de fala baseado em PyTorch

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

Blocos de construção neural para diarização de locutores: detecção de atividade de fala, detecção de mudança de locutor, detecção de fala sobreposta, embutimento de locutor

Toolkit de processamento de fala de ponta a ponta

IA de fala executada localmente no dispositivo para Apple Silicon

Reconhecimento Automático de Fala com Diarização de Orador baseado no OpenAI Whisper

Executáveis independentes do Whisper e Faster-Whisper para quem não quer lidar com Python.

Um repositório para verificação, reconhecimento e diarização de locutores, tanto mono quanto multimodais.

Reconhecimento automático de fala multilíngue com carimbos de data/hora em nível de palavra e confiança

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.

Um pacote Python para criar aplicações de áudio em tempo real com IA

Uma lista selecionada de artigos, bibliotecas, conjuntos de dados e outros recursos incríveis sobre Diarização de Locutores.

Família de modelos ASR de código aberto baseados em LLM para chinês, dialetos, sotaques e fala multilíngue, com runtimes FunASR, vLLM, streaming e llama.cpp.

Toolkit voltado para pesquisa e produção de verificação, reconhecimento e diarização de locutores

Toolkit de fala de IA para Apple Silicon — ASR, TTS, speech-to-speech, VAD e diarização alimentados por MLX e CoreML

Serviço de transcrição e diarização off-line auto-hospedado pronto para uso com resumo por LLM

Software de geração automática de legendas completo, cobrindo todo o processo de download, transcrição, tradução e gravação, sem necessidade de intervenção humana.

Reimplementação em Python dos algoritmos de agrupamento espectral (com restrições) usados nos artigos de diarização de locutor do Google.