speech-recognition

Bản cài đặt JAX của mô hình Whisper từ OpenAI giúp tăng tốc lên tới 70 lần trên TPU.

Một trình nhận dạng giọng nói nhỏ gọn

Biến thể chưng cất của Whisper dành cho nhận dạng giọng nói. Nhanh hơn 6 lần, nhỏ hơn 50%, tỷ lệ lỗi từ trong khoảng 1%.

API dịch vụ web ASR OpenAI Whisper

Các tệp thực thi độc lập của Whisper và Faster-Whisper dành cho những ai không muốn bận tâm về Python.

Giải pháp thay thế trợ lý giọng nói cạnh tranh với Amazon Echo/Google Home, mã nguồn mở, chạy cục bộ và tự lưu trữ

Chuyển đổi mọi âm thanh thành văn bản, dịch và chỉnh sửa phụ đề hoàn toàn ngoại tuyến với giao diện web UI. Được hỗ trợ bởi các mô hình whisper!

Lingvo

Nhận dạng Tự động Tiếng nói Đa ngôn ngữ với mốc thời gian cấp độ từ và độ tin cậy

🐸STT - Bộ công cụ học sâu cho Speech-to-Text. Việc huấn luyện và triển khai các mô hình STT chưa bao giờ dễ dàng đến thế.

Một môi trường chạy giọng nói thời gian thực giúp các Agent trò chuyện, làm việc và hiện diện. Môi trường chạy giọng nói thời gian thực cho AI Agent

🎙 Nhận dạng giọng nói sử dụng framework học sâu tensorflow, mạng thần kinh chuỗi-sang-chuỗi (sequence-to-sequence)

AI đa thức thời gian thực trên thiết bị với các tính năng tương tự GPT-Live

Các mô hình ASR cấp công nghiệp mã nguồn mở hỗ trợ tiếng Quan Thoại, các phương ngữ tiếng Trung và tiếng Anh, đạt SOTA mới trên các benchmark ASR tiếng Quan Thoại công khai, đồng thời cung cấp khả năng nhận dạng lời bài hát xuất sắc.

Nhận dạng giọng nói tiếng Trung; Nhận dạng giọng nói tự động tiếng Quan Thoại;

Công cụ nhận dạng giọng nói liên tục từ vựng lớn mã nguồn mở

Danh sách tổng hợp các bài báo, thư viện, tập dữ liệu và các tài nguyên tuyệt vời khác về Phân đoạn Người nói.

Hệ thống tự lập trình cho ứng dụng của bạn — Alan AI SDK cho iOS

Hệ thống tự động lập trình cho ứng dụng của bạn — Alan AI SDK cho Android

Whisper đa nền tảng, tăng tốc bằng GPU 🏎️

Nhận dạng giọng nói thời gian thực và phát hiện hoạt động giọng nói (VAD) sử dụng Kaldi thế hệ mới với ncnn mà không cần kết nối Internet. Hỗ trợ iOS, Android, Linux, macOS, Windows, Raspberry Pi, VisionFive2, LicheePi4A, v.v.

Hệ thống tự lập trình cho ứng dụng của bạn — Alan AI SDK cho Flutter

Hệ thống tự lập trình cho ứng dụng của bạn — Alan AI SDK cho Ionic

Ứng dụng Speech Note trên Linux. Ghi chú, đọc và dịch với tính năng Chuyển giọng nói thành văn bản, Chuyển văn bản thành giọng nói và Dịch máy ngoại tuyến.

Plugin OBS dành cho nhận diện giọng nói và tạo phụ đề cục bộ sử dụng AI.

Amica là một giao diện mã nguồn mở dùng để giao tiếp tương tác với các nhân vật 3D tích hợp tổng hợp giọng nói và nhận dạng giọng nói.

Các node tùy chỉnh mở rộng tính năng của ComfyUI

Dòng SALMONN: Bộ LLM đa phương thức tiên tiến

Dòng mô hình ASR dựa trên LLM mã nguồn mở cho tiếng Trung, phương ngữ, tiếng địa phương và giọng nói đa ngôn ngữ, với các thời gian chạy FunASR, vLLM, streaming và llama.cpp.

Tiền huấn luyện giọng nói-văn bản đơn modal thống nhất cho xử lý ngôn ngữ nói