speech-recognition

🤗 Transformers: o framework de definição de modelos para modelos de machine learning de última geração em texto, visão, áudio e modelos multimodais, tanto para inferência quanto para treinamento.

Port do modelo Whisper da OpenAI em C/C++

Transcrição Whisper mais rápida com CTranslate2

WhisperX: Reconhecimento Automático de Fala com carimbos de data/hora no nível da palavra (& Diarização).

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.

🧠 Leon é seu assistente pessoal de código aberto

kaldi-asr/kaldi é o repositório oficial do projeto Kaldi.

API de reconhecimento de fala offline para Android, iOS, Raspberry Pi e servidores com Python, Java, C# e Node.

Scripts de Deep Learning de última geração organizados por modelos - fáceis de treinar e implantar com precisão e desempenho reproduzíveis em infraestrutura de nível empresarial.

Mergulhe em Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision e NLP através destas aulas empolgantes!

Interface Web Gradio para criadores e desenvolvedores, apresentando TTS (Edge-TTS, kokoro) e clonagem de voz zero-shot (E2 & F5-TTS, CosyVoice), com processamento de áudio Whisper, download do YouTube, isolamento vocal Demucs e tradução multilíngue.

Kit de ferramentas de fala fácil de usar, incluindo modelo de aprendizado autossupervisionado, ASR SOTA/Streaming com pontuação, TTS de streaming com frontend de texto, sistema de verificação de locutor, tradução de fala de ponta a ponta e detecção de palavras-chave. Vencedor do prêmio NAACL2022 Best Demo.

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.

OpenVINO™ é um kit de ferramentas de código aberto para otimizar e implantar inferência de IA

Toolkit de processamento de fala de ponta a ponta

Modelo SenseVoiceSmall de código aberto para ASR em mandarim, cantonês, inglês, japonês e coreano, identificação de idioma, reconhecimento de emoção e detecção de eventos de áudio.

Módulo de reconhecimento de fala para Python, com suporte a diversos motores e APIs, online e offline.

Um sistema de reconhecimento de fala em chinês baseado em Deep Learning

Uma biblioteca de text-to-speech (TTS), speech-to-text (STT) e speech-to-speech (STS) construída sobre o framework MLX da Apple, oferecendo análise de fala eficiente em Apple Silicon.

💬 Reconhecimento de fala para o seu site

Toolkit de reconhecimento automático de fala do Facebook AI Research.

IA de fala executada localmente no dispositivo para Apple Silicon

Ferramenta de desenvolvimento tudo-em-um baseada em PaddlePaddle.

Ferramenta de transcrição de vídeo, geração de legendas e edição assistida por LLM baseada em FunASR, com interface Gradio local.

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

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

Detecção de wake word no dispositivo impulsionada por deep learning

Recursos, prática e pesquisa em Machine Learning e IA Agentic

Ferramenta de reconhecimento de voz para texto / Uma ferramenta local para transcrição de áudio e vídeo que roda offline, com saída em JSON, legendas SRT e formato de texto simples