speech-recognition

Adapt 意图解析器

适用于 OBS、VRChat、Twitch 聊天室与 Discord 的语音转文字和 KB 输入字幕

基于 PyTorch-Lightning 与 Hydra 的端到端语音识别开源工具包。

由深度学习驱动的设备端语音意图（Speech-to-Intent）引擎。

语音 API 示例。

语音转文字性能评测框架

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

INTERSPEECH 2023-2024 论文集：收录 INTERSPEECH 2023-24 会议中具有影响力与精彩的研究论文。探索语音与语言处理的最新进展。内含代码。为此存储库点 Star 以支持语音技术的发展！

适用于 React Native Expo 项目的语音识别

一个免费的语音数字音频数据集。MNIST 的音频版本。

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。

由深度学习驱动的设备端流式语音转文字引擎

适用于 macOS 内置语音识别与转录功能的命令行界面。

家里的 ChatGPT！基于 Raspberry Pi 使用 LiteLLM 与 LangGraph 打造的商用智能家庭助理更佳替代方案。

实时音频翻译，可撷取系统音频与麦克风，执行 ASR (Whisper/SenseVoice)，并通过 LLM API 进行翻译与流式显示。适用于 VTuber、直播主与观看外语内容。

:speech_balloon: /so.nus/ 适用于 Node 的 STT (语音转文字)，具备离线热词检测功能

基于 Whisper 的 Android 输入法 (IME)

用于多语言 ASR 与 TTS 模型的 C++ ggml 运行时中心：包含 Cohere Transcribe、Parakeet TDT、Voxtral、Canary 1B v2 等，并支持通用强制对齐等功能。

使用 faster-whisper 进行实时语音转文字。

具备字典与语言模型的连接时序分类 (CTC) 解码器。

支持多种推理引擎的 Whisper 模型语音转文字优化流水线。

您的应用程序自动编码系统 — 用于 React Native 的 Alan AI SDK

为 VRChat 制作的模块化节点编程语言、程序创建器、动画系统、工具组、路由器与调试器

🗣 一个在自定义 UI 中获取用户语音权限并将输入转为文本的覆盖界面

SpeechIO Leaderboard：一个大型、稳健且全面的自动语音识别基准测试平台。

韩语语音识别 STT API 列表及性能基准测试。

Lightning-fast, free, local first voice dictation for macOS with on-device transcription

单一文件实现的高质量流式语音对语音互动代理原型

自动语音识别 (ASR) 与文字转语音 (TTS) 引擎。支持中英文语音识别、多角色语音合成与多语言，准确率高

通过 Vosk 的 WebAssembly 构建，可在浏览器中运行的语音识别库