asr

Voxtral ASR & TTS chạy nguyên bản và trên trình duyệt. Một triển khai Rust của Voxtral mini realtime ASR/TTS từ Mistral sử dụng framework Burn ML.

Trợ lý giọng nói thông minh chuyển đổi lời nói thành văn bản rõ ràng, các hành động hữu ích và kiến thức có cấu trúc. Giúp người dùng ghi lại ý tưởng, giao tiếp tự nhiên, tự động hóa các tác vụ lặp lại và duy trì năng suất trên các ứng dụng và quy trình làm việc khác nhau.

AI VTuber tích hợp LLM, ASR, TTS, OCR, CV và nhiều công nghệ khác để livestream hoặc chơi Minecraft cùng bạn.

BiBi Keyboard: Một ứng dụng bàn phím nhập liệu bằng giọng nói LLM và ASR trên nền tảng Android dựa trên Kotlin

Chuyển đổi nhanh giữa số tiếng Trung và số Ả Rập (tính năng mới nhất: chuyển đổi phân số, ngày tháng, nhiệt độ, v.v.).

Nhận dạng giọng nói tiếng Trung dựa trên PaddlePaddle. Dự án hoàn thiện với hiệu suất nhận dạng tốt. Hỗ trợ huấn luyện và dự đoán trên Windows, Linux, cũng như hỗ trợ dự đoán trên bo mạch phát triển Nvidia Jetson.

Chạy mô hình chuyển đổi giọng nói thành văn bản (whisper.cpp) trong Unity3d trên máy cục bộ của bạn.

Khung nhận dạng giọng nói tự động (ASR) dựa trên PyTorch, hỗ trợ cả chế độ trực tuyến và ngoại tuyến, các mô hình Conformer, Squeezeformer, DeepSpeech2 và nhiều phương pháp tăng cường dữ liệu

Bộ công cụ mã nguồn mở cho nhận dạng giọng nói đầu-cuối, tận dụng PyTorch-Lightning và Hydra.

Nhận dạng giọng nói ngoại tuyến với OpenAI Whisper và TensorFlow Lite cho Android

Các bài báo INTERSPEECH 2023-2024: Bộ sưu tập đầy đủ các bài nghiên cứu có ảnh hưởng và thú vị từ hội nghị INTERSPEECH 2023-24. Khám phá những tiến bộ mới nhất trong xử lý ngôn ngữ và giọng nói. Bao gồm mã nguồn. Hãy gắn sao cho kho lưu trữ để ủng hộ sự phát triển của công nghệ giọng nói!

Hệ thống ASR tất cả trong một cấp công nghiệp SOTA với các mô-đun ASR, VAD, LID và Punc. FireRedASR2 hỗ trợ tiếng Trung (Quan thoại, 20+ phương ngữ/giọng), tiếng Anh, chuyển đổi mã, và ASR cho cả giọng nói lẫn hát. FireRedVAD hỗ trợ giọng nói/hát/nhạc bằng 100+ ngôn ngữ. FireRedLID hỗ trợ 100+ ngôn ngữ và 20+ phương ngữ tiếng Trung. FireRedPunc hỗ trợ tiếng Trung và tiếng Anh.

Công cụ chuyển đổi giọng nói thành văn bản trực tuyến trên thiết bị dựa trên học sâu

Dịch âm thanh thời gian thực, thu âm thanh hệ thống và micro, chạy ASR (Whisper/SenseVoice), dịch qua API LLM với hiển thị luồng. Phù hợp cho VTuber, người livestream và xem nội dung nước ngoài.

Lý thuyết, bài báo nghiên cứu và bài thuyết trình về nhận dạng giọng nói.

🤗 Optimum Intel: Tăng tốc suy luận với các công cụ tối ưu hóa của Intel.

📣 Thư viện nhận dạng giọng nói tự động mã nguồn mở cấp thương mại, sẵn sàng sử dụng, hỗ trợ đa nền tảng, nhận dạng kết hợp tiếng Trung và tiếng Anh. Bản cài đặt suy luận ASR đa nền tảng dựa trên ONNXRuntime và FunASR. Chúng tôi cung cấp bộ API dễ dàng hơn để gọi các mô hình ASR.

Nền tảng Voice Agent mã nguồn mở

Phần mềm hiển thị phụ đề thời gian thực đa nền tảng.

Pipeline chuyển đổi giọng nói thành văn bản được tối ưu hóa cho mô hình Whisper, hỗ trợ nhiều công cụ suy luận.

SpeechIO Leaderboard: nền tảng đánh giá hiệu năng toàn diện, mạnh mẽ và quy mô lớn cho Nhận dạng giọng nói tự động (ASR).

Thư viện nhận dạng giọng nói chạy trên trình duyệt nhờ bản dựng WebAssembly của Vosk

Tuyển tập các bài báo nghiên cứu từ hội nghị ICASSP 2023-2024. Khám phá những tiến bộ mới nhất trong lĩnh vực âm thanh, giọng nói và xử lý tín hiệu, bao gồm cả mã nguồn

Chatbot AI bỏ túi được xây dựng bằng RPI Zero 2w / 5.

Arabic-first generative speech recognition — Audar-ASR-V1 (Flash + Turbo). #1 on the Open Universal Arabic ASR Leaderboard. Model cards, benchmarks & inference.