speech-recognition

JAX 版 OpenAI Whisper 模型实现，可在 TPU 上提升至 70 倍速度

一个小型语音识别器

精简版 Whisper，语音识别速度提升 6 倍，体积缩小 50%，字错误率下降至 1% 内。

OpenAI Whisper ASR 网络服务 API

适合不想折腾 Python 的用户的 Whisper 与 Faster-Whisper 独立可执行文件。

开源、本地、可自托管的 Amazon Echo/Google Home 竞争性语音助手替代品

通过网页 UI 100% 在本地将任何音频转录为文字、翻译并编辑字幕。由 whisper 模型驱动！

Lingvo

支持词级时间戳和置信度的多语言自动语音识别

🐸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。

实时语音运行时，让 Agent 保持对话、运作与在线状态。AI Agent 的实时语音运行时。

使用 tensorflow 深度学习框架与 sequence-to-sequence 神经网络的语音识别

具备类似 GPT-Live 功能的设备端实时多模态 AI

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。

中文语音识别；Mandarin Automatic Speech Recognition；

开源的大词汇量连续语音识别引擎

精选的 Speaker Diarization 相关论文、库、数据集和其他资源列表。

您应用的自我编码系统 — 用于 iOS 的 Alan AI SDK

为你的应用程序打造的自我编码系统 — 适用于 Android 的 Alan AI SDK

跨平台、GPU 加速的 Whisper 🏎️

使用新一代 Kaldi 与 ncnn 在无网络连接下进行实时语音识别与语音活动检测（VAD）。支持 iOS、Android、Linux、macOS、Windows、Raspberry Pi、VisionFive2、LicheePi4A 等。

应用程序的自我编码系统 — 用于 Flutter 的 Alan AI SDK

应用程序的自我编码系统 — 适用于 Ionic 的 Alan AI SDK

Speech Note Linux 应用程序。具备离线语音转文字、文字转语音以及机器翻译的笔记、阅读与翻译功能。

使用 AI 进行本地语音识别与字幕生成的 OBS 插件

Amica 是一个开源界面，用于通过语音合成与语音识别与 3D 角色进行互动通讯。

扩展 ComfyUI 功能的自定义节点

SALMONN 系列：一套先进的多模态 LLM

开源基于 LLM 的中文、方言、口音及多语种语音 ASR 模型家族，具备 FunASR、vLLM、流式与 llama.cpp 运行时。

用于口语语言处理的统一模态语音文字预训练