speech-recognition

Trình phân tích ý định Adapt.

Chuyển đổi giọng nói thành văn bản và phụ đề nhập liệu KB cho OBS, VRChat, Twitch chat và Discord

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

Công cụ chuyển đổi giọng nói thành ý định (Speech-to-Intent) trên thiết bị được hỗ trợ bởi học sâu

Ví dụ về API giọng nói.

Khung đánh giá hiệu năng chuyển đổi giọng nói thành văn bản

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!

Một bộ dữ liệu âm thanh miễn phí về các chữ số được đọc. Phiên bản âm thanh của MNIST.

Nhận dạng giọng nói cho các dự án React Native Expo

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

Giao diện dòng lệnh cho các tính năng nhận dạng và chuyển đổi giọng nói tích hợp sẵn trên macOS.

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.

ChatGPT tại nhà! Một giải pháp thay thế tốt hơn cho các trợ lý nhà thông minh thương mại, được xây dựng trên Raspberry Pi sử dụng LiteLLM và LangGraph.

:speech_balloon: /so.nus/ STT (speech to text) cho Node với tính năng phát hiện từ khóa ngoại tuyến

Trình soạn thảo phương thức nhập (IME) cho Android dựa trên Whisper

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.

Chuyển đổi giọng nói thành văn bản thời gian thực sử dụng faster-whisper.

C++ ggml runtime hub cho các mô hình ASR và TTS đa ngôn ngữ: Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2, cùng với tính năng căn chỉnh bắt buộc phổ quát và nhiều hơn nữa

Bộ giải mã Connectionist Temporal Classification (CTC) với từ điển và mô hình ngôn ngữ.

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

Hệ thống tự lập trình cho ứng dụng của bạn — Alan AI SDK cho React Native.

Một ngôn ngữ lập trình node mô-đun, trình tạo chương trình, hệ thống hoạt ảnh, bộ công cụ, bộ định tuyến và trình gỡ lỗi được tạo cho VRChat

Một lớp phủ (overlay) lấy quyền truy cập giọng nói của người dùng và chuyển đổi đầu vào thành văn bản trong giao diện tùy chỉnh

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

Danh sách API nhận dạng giọng nói tiếng Hàn (STT). Đi kèm đánh giá hiệu năng.

Tác nhân tương tác giọng nói hai chiều (Speech-to-Speech) chất lượng cao và hỗ trợ streaming trong một tệp duy nhất.

Công cụ đọc chính tả bằng giọng nói cục bộ, miễn phí, tốc độ cao cho macOS với khả năng chuyển đổi văn bản trên thiết bị

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

Công cụ nhận dạng giọng nói (ASR) và chuyển văn bản thành giọng nói (TTS). Hỗ trợ nhận dạng giọng nói tiếng Trung và tiếng Anh, tổng hợp giọng nói đa nhân vật, hỗ trợ đa ngôn ngữ với độ chính xác cao.