speech-to-text

面向抖音直播电商的 Windows 本地 AI Agent Studio，贯通主播发现、直播洞察、直播复盘与短视频内容编导的统一智能工作流。

: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 nghệ đọc chính tả bằng giọng nói mã nguồn mở

Whisper-Flow là một framework được thiết kế để cho phép chuyển đổi giọng nói thành văn bản theo thời gian thực sử dụng mô hình Whisper của OpenAI. Thay vì xử lý toàn bộ tệp sau khi tải lên ("chế độ hàng loạt"), Whisper-Flow nhận một luồng liên tục các đoạn âm thanh và tạo ra các bản ghi văn bản tăng dần ngay lập tức.

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

Xử lý giọng nói Botium

Whisper.net. Chuyển đổi giọng nói thành văn bản đơn giản bằng các mô hình Whisper

Đánh giá hệ thống chuyển đổi giọng nói thành văn bản bằng các thước đo độ tương đồng như tỷ lệ lỗi từ (WER)

Mã nguồn mẫu .NET MAUI

Kho lưu trữ chính của Telegram bot @voicybot

Các mô hình Whisper được tối ưu hóa cho việc truyền phát và sử dụng trên thiết bị.

Một ứng dụng nhập liệu bằng giọng nói miễn phí, mã nguồn mở và ưu tiên quyền riêng tư cho macOS.

Triển khai nhận dạng giọng nói tiếng Trung đầu cuối dựa trên PaddlePaddle, từ cơ bản đến thực tế, với các ví dụ nhập môn đơn giản và dự án doanh nghiệp thiết thực. Hỗ trợ các mô hình phổ biến hiện nay như DeepSpeech2, Conformer và Squeezeformer.

Nhận dạng giọng nói cho ứng dụng React của bạn

Xây dựng ứng dụng web chuyển đổi giọng nói thành văn bản thời gian thực sử dụng Whisper của OpenAI https://openai.com/blog/whisper/

Học sâu mô tả (Descriptive Deep Learning).

Phần mềm tạo phụ đề tự động tất cả trong một, bao gồm toàn bộ quy trình tải xuống, phiên âm, dịch thuật và đóng phụ đề mà không cần sự can thiệp của con người.

Công cụ đọc chính tả bằng giọng nói miễn phí, mã nguồn mở và hoạt động 100% ngoại tuyến cho Linux. Nói và nhập liệu ở bất kỳ đâu thông qua các engine whisper.cpp, Whisper và VOSK, có hỗ trợ tăng tốc GPU và hoạt động trên X11 + Wayland!

Lobe TTS - Thư viện TTS/STT chất lượng cao và đáng tin cậy cho máy chủ và trình duyệt.

Chuyển đổi giọng nói thành văn bản rồi thành giọng nói (Speech to Text to Speech). Gửi văn bản dưới dạng thông điệp OSC tới VRChat để hiển thị trên avatar.

Chatbot giọng nói cục bộ cho các cuộc hội thoại hấp dẫn, được hỗ trợ bởi Ollama, Hugging Face Transformers và Coqui TTS Toolkit

Dự án cho phép sử dụng micro với OpenAI whisper.

🎤 Cách dễ nhất để chuyển đổi âm thanh thành văn bản trong Swift

Một ứng dụng chuyển đổi giọng nói thành văn bản AI bảo mật 100%, hỗ trợ hơn 100 ngôn ngữ. Được xây dựng bằng Compose Multiplatform cho Android & iOS sử dụng Whisper AI - không tải lên đám mây, mọi quá trình xử lý diễn ra trên thiết bị để đảm bảo quyền riêng tư tuyệt đối.

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

SDK Swift dạng mô-đun để xử lý âm thanh với MLX trên Apple Silicon

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.

Công cụ nhận dạng giọng nói thầm thời gian thực.

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

Bàn phím và dịch vụ nhận dạng giọng nói riêng tư, chạy trên thiết bị dành cho Android.