speech-translation

Một framework AI tạo sinh có khả năng mở rộng được xây dựng cho các nhà nghiên cứu và lập trình viên làm việc về Mô hình Ngôn ngữ Lớn, Đa phương thức và AI Giọng nói (Nhận dạng Giọng nói Tự động và Chuyển văn bản thành giọng nói)

Xây dựng các tác nhân giọng nói với các mô hình mã nguồn mở

Bộ công cụ xử lý giọng nói dễ sử dụng, bao gồm mô hình tự giám sát (Self-Supervised Learning), SOTA/Streaming ASR có dấu câu, Streaming TTS tích hợp frontend văn bản, Hệ thống xác thực người nói, Dịch giọng nói đầu cuối và Nhận diện từ khóa. Đạt giải Demo xuất sắc nhất tại NAACL 2022.

Bộ công cụ xử lý giọng nói đầu cuối (End-to-End)

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

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.

Dịch giọng nói thời gian thực — macOS & Windows, TTS miễn phí, không cần máy chủ, chỉ dùng khóa API của bạn

Dịch giọng nói hai chiều thời gian thực cho các cuộc họp song ngữ — tự động phát hiện ngôn ngữ nói và dịch theo cả hai hướng, qua đám mây hoặc hoàn toàn ngoại tuyến trên thiết bị. Hỗ trợ Desktop (Windows · macOS · Linux) và tiện ích mở rộng trình duyệt (Chrome · Edge) cho Zoom, Meet, Teams và mọi ứng dụng.

Ứng dụng phiên âm và dịch thuật giọng nói thời gian thực sử dụng Whisper OpenAI và API dịch thuật miễn phí. Giao diện được tạo bằng Tkinter. Mã nguồn được viết hoàn toàn bằng Python.

Danh sách bài báo về dịch đồng thời / dịch trực tuyến, bao gồm dịch máy văn bản sang văn bản và dịch giọng nói sang văn bản.