voice-recognition

API nhận diện giọng nói ngoại tuyến cho Android, iOS, Raspberry Pi và máy chủ với Python, Java, C# và Node

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 nhận diện giọng nói dựa trên PyTorch

Chuyển đổi giọng nói thành văn bản, nhận dạng ý định và chuyển đổi văn bản thành giọng nói với độ trễ rất thấp, dùng để xây dựng các agent và giao diện giọng nói

Silero VAD: Trình phát hiện hoạt động giọng nói cấp doanh nghiệp đã được huấn luyện sẵn

Một bản triển khai gần như thời gian thực của Whisper từ OpenAI.

🇨🇳 Thư viện công cụ chữ Hán toàn diện (phiên âm, nét vẽ, bộ thủ, thành ngữ, giọng nói, trực quan hóa, v.v.) (Chinese character util)

🐸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.

Trình phát hiện hoạt động giọng nói (VAD): độ trễ thấp, hiệu suất cao và nhẹ

🔊 Danh sách toàn diện các tập dữ liệu mã nguồn mở cho điện toán giọng nói và âm thanh (hơn 95 tập dữ liệu).

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

Dự án này sử dụng nhiều mô hình nhận dạng giọng nói nâng cao khác nhau như EcapaTdnn, ResNetSE, ERes2Net, CAM++, v.v. Không loại trừ khả năng sẽ hỗ trợ thêm nhiều mô hình trong tương lai. Đồng thời, dự án này cũng hỗ trợ các phương pháp tiền xử lý dữ liệu MelSpectrogram, Spectrogram

Trợ lý AI bằng Python

Nhật ký thuyền trưởng và bản đồ sao 3D cho Elite Dangerous

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

Voicetypr - Công cụ chuyển giọng nói thành văn bản ngoại tuyến hỗ trợ bởi AI dành cho các nhà sáng lập, lập trình viên và người dùng chuyên nghiệp trên macOS và Windows. Giải pháp thay thế cho wispr flow và superwhisper.

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

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

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

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.

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