speech-recognition

O hub para pesquisa de IA de áudio: artigos, modelos abertos, benchmarks e datasets sobre LLMs de áudio, reconhecimento de fala, TTS, música e geração de áudio.

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

Whisper.net. Fala para texto simplificada usando modelos Whisper

Espresso: Um kit de ferramentas de reconhecimento de fala neural rápido de ponta a ponta

Um assistente de voz de desktop baseado em Python capaz de executar comandos em nível de sistema, integrando reconhecimento de fala e conversão de texto em fala, e lidando com interações de usuário assíncronas.

Modelos Whisper otimizados para streaming e uso em dispositivos

Um LLM falante que roda no seu próprio computador sem precisar de internet.

:speech_balloon: SpeechPy - Uma biblioteca para processamento e reconhecimento de fala: http://speechpy.readthedocs.io/en/latest/

Implementação de reconhecimento de fala em chinês de ponta a ponta baseada em PaddlePaddle, do básico ao avançado, com exemplos simples e projetos corporativos práticos. Suporta os modelos DeepSpeech2, Conformer e Squeezeformer mais populares atualmente.

💬 Reconhecimento de fala para seu aplicativo React

Algoritmos de decodificação de Connectionist Temporal Classification (CTC): melhor caminho, busca em feixe (beam search), busca em léxico, busca de prefixo e passagem de token. Implementado em Python.

Crie aplicações web de speech2text em tempo real usando o Whisper da OpenAI https://openai.com/blog/whisper/

Deep Learning Descritivo

Ditado de voz gratuito, de código aberto e 100% offline para Linux. Fale e digite em qualquer lugar via motores whisper.cpp, Whisper e VOSK, acelerado por GPU, funciona em X11 + Wayland!

🎤 Lobe TTS - Uma biblioteca TTS/STT confiável e de alta qualidade para servidor e navegador.

Fala para Texto para Fala. Música tocando agora. Envia texto como mensagens OSC para o VRChat para exibir no avatar. (STTTS) (Speech to TTS) (VRC STT System) (VTuber TTS)

Binding para React Native do whisper.cpp.

Chatbot de voz local para conversas envolventes, utilizando Ollama, Hugging Face Transformers e Coqui TTS Toolkit.

Projeto que permite usar um microfone com o OpenAI Whisper.

Modelo fundamental para tarefas de reconhecimento de fala

🎤 A maneira mais fácil de transcrever áudio em Swift

Um aplicativo de transcrição de voz por IA 100% privado que converte fala em texto em mais de 100 idiomas. Construído com Compose Multiplatform para Android e iOS usando Whisper AI - sem uploads para a nuvem, todo o processamento ocorre no dispositivo para total privacidade.

Conversão rápida entre números chineses e algarismos arábicos (recursos mais recentes: frações, datas, temperaturas, etc.).

Deep learning para processamento de áudio

Reconhecimento de fala em chinês implementado com base no PaddlePaddle. Projeto completo com excelentes resultados de reconhecimento. Suporta treinamento e predição em Windows e Linux, além de predição na placa Nvidia Jetson.

Uma ferramenta de reconhecimento de fala silenciosa em tempo real.

Executando o modelo de fala para texto (whisper.cpp) no Unity3d em sua máquina local.

Allosaurus é um reconhecedor universal de fonemas pré-treinado para mais de 2000 idiomas

Teclado e serviço de reconhecimento de fala privado e executado no dispositivo para Android.

Framework de reconhecimento automático de fala em PyTorch para streaming e não streaming, compatível com reconhecimento online e offline. Atualmente suporta os modelos Conformer, Squeezeformer e DeepSpeech2, além de vários métodos de aumento de dados.