voice-activity-detection

Kit de ferramentas de reconhecimento de fala de código aberto para treinamento, inferência, streaming ASR, VAD, pontuação, pipelines de diarização de locutores e atendimento compatível com OpenAI/MCP.

Blocos de construção neural para diarização de locutores: detecção de atividade de fala, detecção de mudança de locutor, detecção de fala sobreposta, embutimento de locutor

Supressão de ruído de microfone em tempo real no Linux.

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

Sincronize legendas com vídeos automaticamente.

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.

A alternativa de código aberto ao Cluely - Um assistente de IA extremamente rápido e focado em privacidade que funciona perfeitamente durante reuniões, entrevistas e conversas sem que ninguém perceba. Construído com Tauri para desempenho nativo, com apenas 10MB. Completamente indetectável em chamadas de vídeo, compartilhamentos de tela e gravações.

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

🔊 Uma lista abrangente de conjuntos de dados de código aberto para computação de voz e som (mais de 95 conjuntos de dados).

Detector de atividade de voz (VAD) para navegador com uma API simples.

Um pacote Python para criar aplicações de áudio em tempo real com IA

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.

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

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

Assistente de IA em Python 🧠

Whisper.net. Fala para texto simplificada usando modelos Whisper

Kit de ferramentas de segmentação de áudio baseado em CNN. Permite detectar fala, música, ruído e gênero do locutor. Foi projetado para estudos de igualdade de gênero em larga escala baseados no tempo de fala por gênero.

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

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

Sincronize e traduza legendas automaticamente, ou crie novas por meio de transcrição, usando DNNs pré-treinados, alinhamentos forçados e Transformers. https://subaligner.readthedocs.io/

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