vad

Silero VAD: Detector de Atividade de Voz pré-treinado de nível empresarial

Sincronize legendas com vídeos automaticamente.

Interface gráfica para faster_whisper com PySide6

Modelos de áudio CoreML de ponta em seus aplicativos — texto para fala, fala para texto, detecção de atividade de voz e diarização de locutores. Em Swift, impulsionado por código aberto SOTA.

Detector de Atividade de Voz (VAD): baixa latência, alto desempenho e leve

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.

Whisper.net. Fala para texto simplificada usando modelos Whisper

Uma ferramenta de detecção de atividade de voz e segmentação de áudio

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.

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

Artigos do ICASSP 2023-2024: Uma coleção completa de artigos de pesquisa influentes e empolgantes das conferências ICASSP 2023-24. Explore os avanços mais recentes em acústica, fala e processamento de sinais. Código incluído. Dê uma estrela no repositório para apoiar o avanço do processamento de áudio e sinais!

Detecção de atividade de voz e eventos de áudio de nível industrial SOTA, suportando mais de 100 idiomas, superando Silero-VAD, TEN-VAD, FunASR-VAD e WebRTC-VAD

Biblioteca de Detecção de Atividade de Voz (VAD) para Android. Suporta modelos WebRTC VAD GMM, Silero VAD DNN e Yamnet VAD DNN.