speech-recognition

💎 Danh sách các kho ngữ liệu giọng nói có thể truy cập cho ASR, TTS và các Công nghệ Giọng nói khác

Tinh chỉnh LLM trên máy Mac của bạn với Apple Silicon. SFT, DPO, GRPO, Vision, TTS, STT, Embedding và tinh chỉnh OCR — chạy gốc trên MLX. API tương thích với Unsloth.

Bản ghi âm có thể điều khiển. Nguyên văn (mọi từ đệm, khoảng dừng, lắp bắp, âm thanh phát ra), hoặc theo ý định (ý người nói muốn diễn đạt, được tối ưu hóa cho khả năng đọc) với dấu thời gian ở cấp độ từ.

Client dòng lệnh Whisper tương thích với client gốc của OpenAI dựa trên CTranslate2.

Trợ lý cá nhân được xây dựng bằng các thư viện python. Nó có thể thực hiện hầu như mọi thứ bao gồm gửi email, nhận dạng văn bản quang học, báo cáo tin tức động bất cứ lúc nào với tích hợp API, tạo danh sách việc cần làm, mở bất kỳ trang web nào chỉ bằng lệnh thoại, phát nhạc, tìm kiếm Wikipedia, từ điển có cảm biến thông minh tức là tự động kiểm tra chính tả, báo cáo thời tiết tức là nhiệt độ, tốc độ gió, độ ẩm.

Chuyển giọng nói thành văn bản với tính năng nhấn để nói dành cho Wayland compositor

StreamSpeech là một mô hình liền mạch "tất cả trong một" dành cho nhận dạng giọng nói ngoại tuyến và đồng thời, dịch giọng nói và tổng hợp giọng nói.

Pruna là một framework tối ưu hóa mô hình được xây dựng cho các nhà phát triển, giúp bạn cung cấp các mô hình nhanh hơn, hiệu quả hơn với chi phí tối thiểu.

Máy chủ nhận diện giọng nói WebSocket, gRPC và WebRTC dựa trên các thư viện Vosk và Kaldi

Tinh chỉnh mô hình nhận dạng giọng nói Whisper để hỗ trợ huấn luyện không có dữ liệu dấu thời gian, huấn luyện có dữ liệu dấu thời gian và huấn luyện không có dữ liệu giọng nói. Tăng tốc suy luận và hỗ trợ triển khai Web, Windows desktop và Android

Ứng dụng trò chuyện thoại

💁 Kho tàng tuyệt vời các mô hình Transformers cho Xử lý ngôn ngữ tự nhiên, bao gồm các bài báo, video, blog, kho lưu trữ chính thức cùng với các Colab Notebook. 🛫☑️

Phòng thí nghiệm thực tế để xây dựng, kiểm thử và đánh giá các ứng dụng sử dụng framework Foundation Models của Apple.

Nhật ký riêng tư với đội ngũ trợ lý AI cá nhân. Các agent đọc những gì bạn ghi lại và đề xuất hành động tiếp theo — bạn phê duyệt các thay đổi. Đồng bộ hóa mã hóa end-to-end giữa các thiết bị của bạn — máy chủ chỉ thấy bản mã. AI cục bộ tùy chọn.

Bộ công cụ giọng nói AI dành cho Apple Silicon — ASR, TTS, chuyển đổi giọng nói thành giọng nói, VAD và phân đoạn người nói được hỗ trợ bởi MLX và CoreML

Irina - trợ lý giọng nói tiếng Nga hoạt động ngoại tuyến. Hỗ trợ kỹ năng thông qua các plugin.

Các công cụ để xử lý dữ liệu đa phương thức trong các dự án học máy.

[Không chính thức] Triển khai bằng PyTorch của "Conformer: Convolution-augmented Transformer for Speech Recognition" (INTERSPEECH 2020)

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

SGLang-Omni hỗ trợ phục vụ hiệu suất cao cho TTS, ASR, các mô hình giọng nói và đa năng (omni).

AI Vtuber để phát trực tuyến trên Youtube/Twitch

Ứng dụng iOS mã nguồn mở giúp việc chuyển đổi giọng nói thành văn bản chất lượng cao trở nên dễ tiếp cận hơn trên thiết bị di động.

💬📝 Một ứng dụng chính tả nhỏ sử dụng mô hình nhận dạng giọng nói Whisper của OpenAI.

Server nhận diện giọng nói song công toàn phần thời gian thực, dựa trên bộ công cụ Kaldi và framework GStreamer.

Nhận diện giọng nói ngoại tuyến cho Android với thư viện Vosk.

Một trình bao bọc Python cho Kaldi

:zap: TensorFlowASR: Nhận dạng giọng nói tự động gần đạt mức tiên tiến nhất trong Tensorflow 2. Hỗ trợ các ngôn ngữ có thể sử dụng ký tự hoặc từ phụ

Công cụ chỉnh sửa sử dụng AI để chuyển đổi giọng nói thành văn bản, hiểu nội dung và tìm kiếm bất kỳ thứ gì trong cảnh quay của bạn, tích hợp với ChatGPT và các mô hình AI khác

Framework máy chủ chuyển giọng nói thành văn bản với Kaldi thế hệ mới

Chuyển đổi âm thanh thành văn bản gần như thời gian thực sử dụng Whisper tự lưu trữ và WebSocket bằng Python/JS