automatic-speech-recognition

实时、本地语音转文字，支持流式 ASR、说话者分离、翻译，并兼容 OpenAI/Deepgram API。

先行生产且即时可用的端到端语音识别工具包

OpenAI Whisper ASR 网络服务 API

[AutoArk] GPA (General Purpose Audio) 只需一个极小的模型即可进行 ASR、TTS 与语音转换！

在你的应用中使用前沿的 CoreML 音频模型——文字转语音、语音转文字、语音活动检测与发言者分离。使用 Swift 开发，由 SOTA 开源技术驱动。

🐸STT - 用于语音转文字的深度学习工具包。训练与部署 STT 模型从未如此简单。

语音活动检测（VAD）：低延迟、高性能且轻量

支援普通话、中文方言与英语的开源工业级 ASR 模型，在公开的普通话 ASR 基准测试中达到全新的 SOTA，同时提供出色的歌唱歌词辨识能力。

⚡ TensorFlowASR：Tensorflow 2 中几乎达 SOTA 的自动语音识别。支持使用字符或子字的语言

使用词错误率（WER）等相似度指标评估您的语音转文字系统

大型语言模型（LLMs）在音频 AI 应用之资源收集

使用 OpenAI Whisper 与 TensorFlow Lite 在 Android 上进行离线语音识别

由深度学习驱动的设备端流式语音转文字引擎

一个 SOTA 工业级一体化 ASR 系统，包含 ASR、VAD、LID 和 Punc 模块。FireRedASR2 支持中文（普通话、20+ 种方言/口音）、英文、中英夹杂（code-switching），以及语音和歌唱的 ASR。FireRedVAD 支持 100+ 种语言的语音/歌唱/音乐。FireRedLID 支持 100+ 种语言和 20+ 种中文方言。FireRedPunc 支持中英文。