speech-recognition

Interpretador de intenções Adapt

Legendas de fala para texto e entrada de KB para OBS, VRChat, chat do Twitch e Discord

Toolkit de código aberto para reconhecimento de fala ponta a ponta utilizando PyTorch-Lightning e Hydra.

Motor de Speech-to-Intent em dispositivo alimentado por deep learning

Exemplo de API de voz

Framework de benchmark para conversão de fala em texto.

Reconhecimento de fala offline com OpenAI Whisper e TensorFlow Lite para Android

Artigos do INTERSPEECH 2023-2024: Uma coleção completa de artigos de pesquisa influentes e empolgantes da conferência INTERSPEECH 2023-24. Explore os avanços mais recentes em processamento de fala e linguagem. Código incluído. Dê uma estrela no repositório para apoiar o avanço da tecnologia de fala!

Um conjunto de dados de áudio gratuito de dígitos falados. Uma versão em áudio do MNIST.

Reconhecimento de fala para projetos React Native Expo

Motor de conversão de fala em texto por streaming no dispositivo impulsionado por aprendizado profundo

Um sistema ASR All-in-One de nível industrial SOTA com módulos ASR, VAD, LID e Punc. O FireRedASR2 suporta chinês (mandarim, mais de 20 dialetos/sotaques), inglês, alternância de código, e ASR de fala e canto. O FireRedVAD suporta fala/canto/música em mais de 100 idiomas. O FireRedLID suporta mais de 100 idiomas e mais de 20 dialetos chineses. O FireRedPunc suporta chinês e inglês.

Interface de linha de comando para os recursos integrados de reconhecimento de fala e transcrição no macOS.

ChatGPT em casa! Uma alternativa melhor aos assistentes domésticos inteligentes comerciais, construída no Raspberry Pi usando LiteLLM e LangGraph.

:speech_balloon: /so.nus/ STT (speech to text) para Node com detecção de palavra-chave offline

Editor de Método de Entrada (IME) para Android baseado no Whisper

Tradução de áudio em tempo real: captura o áudio do sistema e microfone, executa ASR (Whisper/SenseVoice) e traduz via API de LLM com exibição em streaming. Ideal para VTubers, streamers e consumo de conteúdo em idioma estrangeiro no Windows.

Transcrição em tempo real usando faster-whisper

Hub de tempo de execução C++ ggml para modelos ASR e TTS multilíngues: Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2, etc., além de alinhamento forçado universal e mais

Decodificador de Classificação Temporal Conexionista (CTC) com dicionário e modelo de linguagem.

Um pipeline otimizado de Speech-to-Text para o modelo Whisper, suportando múltiplos motores de inferência

O sistema de autoprogramação para seu aplicativo — Alan AI SDK para React Native

Uma linguagem de programação baseada em nós modular, criador de programas, sistema de animação, kit de ferramentas, roteador e depurador feitos para VRChat

Uma sobreposição que obtém a permissão de voz do usuário e a entrada como texto em uma interface personalizável

SpeechIO Leaderboard: uma plataforma de benchmarking ampla, robusta e abrangente para Reconhecimento Automático de Fala (ASR).

Lista de APIs de reconhecimento de voz STT para o idioma coreano. Benchmarks de desempenho de cada uma.

Ditado por voz ultrarrápido, gratuito, local e com transcrição no próprio dispositivo para macOS

Agente interativo de fala para fala (Speech-to-Speech) de alta qualidade e em streaming implementado em um único arquivo.

Motor de Reconhecimento Automático de Fala (ASR) e Conversão de Texto em Fala (TTS). Reconhecimento de fala em chinês e inglês, síntese de voz com múltiplos papéis, suporte multilíngue e alta precisão

Uma biblioteca de reconhecimento de fala executada no navegador graças a uma compilação WebAssembly do Vosk