speech-recognition

Uma lista de corpora de fala acessíveis para ASR, TTS e outras tecnologias de fala.

Faça o fine-tuning de LLMs no seu Mac com Apple Silicon. SFT, DPO, GRPO, Vision, TTS, STT, Embedding e fine-tuning de OCR — nativamente no MLX. API compatível com Unsloth.

Transcrição controlável. Verbatim (cada palavra, preenchimento, pausa, gagueira, som vocal) ou pretendida (o que o falante quis dizer, otimizado para legibilidade) com carimbos de data/hora em nível de palavra.

Cliente de linha de comando para Whisper compatível com o cliente original da OpenAI, baseado em CTranslate2.

Assistente pessoal criado com bibliotecas Python. Realiza quase tudo, incluindo envio de e-mails, reconhecimento óptico de texto, relatórios dinâmicos de notícias com integração de API, gerador de lista de tarefas, abertura de sites por comando de voz, reprodução de música, busca na Wikipedia, dicionário com detecção inteligente (correção ortográfica automática) e relatórios meteorológicos (temperatura, velocidade do vento, umidade).

Conversão de voz para texto com push-to-talk para compositores Wayland.

StreamSpeech é um modelo "tudo em um" contínuo para reconhecimento, tradução e síntese de fala offline e simultânea.

Pruna é um framework de otimização de modelos criado para desenvolvedores, permitindo entregar modelos mais rápidos e eficientes com o mínimo de sobrecarga.

Servidor de reconhecimento de fala via WebSocket, gRPC e WebRTC baseado nas bibliotecas Vosk e Kaldi.

Ajuste fino do modelo de reconhecimento de fala Whisper para suportar treinamento sem dados de timestamp, com dados de timestamp e sem dados de fala. Acelere a inferência e suporte a implantação na Web, desktop Windows e Android.

Um aplicativo de chat por voz

💁 Tesouro incrível de modelos Transformers para processamento de linguagem natural, contendo artigos, vídeos, blogs, repositório oficial e notebooks do Colab. 🛫☑️

Um laboratório prático para construir, testar e avaliar aplicativos com o framework de modelos de fundação da Apple.

Um diário privado com uma equipe de assistentes de IA pessoais. Os agentes leem o que você registra e propõem ações — você aprova as alterações. Sincronização com criptografia de ponta a ponta entre seus dispositivos; os servidores veem apenas texto cifrado. IA local opcional.

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

Irina - assistente de voz em russo para uso offline. Suporta habilidades via plugins.

Ferramentas para manipular dados multimodais em projetos de aprendizado de máquina.

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

[Não oficial] Implementação em PyTorch de "Conformer: Convolution-augmented Transformer for Speech Recognition" (INTERSPEECH 2020)

O SGLang-Omni capacita o atendimento de alto desempenho para modelos TTS, ASR, de fala e onidirecionais.

AI Vtuber para streaming no YouTube/Twitch

O aplicativo iOS de código aberto que torna a transcrição de voz de qualidade mais acessível em dispositivos móveis.

💬📝 Um pequeno aplicativo de ditado usando o modelo de reconhecimento de fala Whisper da OpenAI.

Servidor de reconhecimento de fala full-duplex em tempo real, baseado no kit de ferramentas Kaldi e no framework GStreamer.

Reconhecimento de fala offline para Android com a biblioteca Vosk.

Um wrapper Python para Kaldi

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

Uma ferramenta de edição que utiliza IA para transcrever, compreender o conteúdo e pesquisar qualquer coisa em suas filmagens, integrada ao ChatGPT e outros modelos de IA.

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

Transcrição de áudio em tempo quase real usando Whisper auto-hospedado e WebSocket em Python/JS