speech-recognition

Implementação em JAX do modelo Whisper da OpenAI para aceleração de até 70x em TPU.

Um pequeno reconhecedor de fala.

Variante destilada do Whisper para reconhecimento de fala. 6x mais rápido, 50% menor, com margem de erro de palavras inferior a 1%.

API de serviço web ASR para o OpenAI Whisper

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

Alternativa de assistente de voz open source, local e auto-hospedada, concorrente do Amazon Echo/Google Home

Transcreva qualquer áudio para texto, traduza e edite legendas 100% localmente com uma interface web. Baseado em modelos whisper!

Lingvo

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

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

Um runtime de voz em tempo real que mantém agentes falando, trabalhando e presentes. Runtime de voz em tempo real para agentes de IA

🎙 Reconhecimento de fala usando o framework de deep learning tensorflow e redes neurais sequence-to-sequence.

IA multimodal em tempo real executada no dispositivo, com recursos semelhantes ao GPT-Live.

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.

Reconhecimento de voz em mandarim; Mandarin Automatic Speech Recognition;

Motor de reconhecimento de fala contínua de grande vocabulário de código aberto

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

O sistema de auto-codificação para seu aplicativo — Alan AI SDK para iOS

O sistema de autocodificação para seu aplicativo — Alan AI SDK para Android

Whisper multiplataforma com aceleração por GPU 🏎️

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.

O sistema de autocodificação para seu aplicativo — Alan AI SDK para Flutter.

O sistema de auto-codificação para seu aplicativo — Alan AI SDK para Ionic

Aplicativo Speech Note para Linux. Tomada de notas, leitura e tradução com conversão de fala em texto, texto em fala e tradução automática offline.

Plugin OBS para reconhecimento de fala local e legendagem usando IA.

Amica é uma interface de código aberto para comunicação interativa com personagens 3D, utilizando síntese de voz e reconhecimento de fala.

Nós personalizados que estendem as capacidades do Comfyui

Família SALMONN: Um conjunto de LLMs multimodais avançados

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.

Pré-treinamento multimodal de fala e texto para processamento de linguagem falada