voice-recognition

支持 Android、iOS、Raspberry Pi 与服务器的离线语音识别 API，提供 Python、Java、C# 与 Node 接口

易用的语音工具包，包含自监督学习模型、SOTA/流式 ASR（含标点）、流式 TTS（含文字前端）、说话者验证系统、端到端语音翻译与关键词检测。荣获 NAACL2022 最佳示范奖

基于 PyTorch 的语音工具包

Very low latency speech to text, intent recognition, and text to speech, for building voice agents and interfaces

Silero VAD：预训练的企业级语音活动检测器

近乎实时的 OpenAI Whisper 实作

功能全面的汉字工具库（拼音、笔画、偏旁、成语、语音、可视化等）(Chinese character util)

🐸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

🔊 语音与声音计算开源数据集的完整清单（95+ 个数据集）。

💎 适用于 ASR、TTS 及其他语音技术的无障碍语音语料库列表

本项目使用多种先进的语音特征识别模型，如 EcapaTdnn、ResNetSE、ERes2Net、CAM++ 等，未来不排除支持更多模型。同时，本项目也支持 MelSpectrogram、Spectrogram 数据预处理方法。

Python AI 助手 🧠

Elite Dangerous 的船长日志与 3D 星图

由深度学习驱动的设备端语音意图（Speech-to-Intent）引擎。

Voicetypr - 专为 macOS、Windows 上的忙碌创始人、vibe coders 与 AI 高级用户打造的 AI 离线语音转文字听写工具。是 wispr flow 与 superwhisper 的替代方案。

语音转文字性能评测框架

适用于 React Native Expo 项目的语音识别

由深度学习驱动的设备端流式语音转文字引擎

: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

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。

使用 faster-whisper 进行实时语音转文字。

🗣 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