asr

GLM-ASR-Nano：一個具備 15 億參數的強大開源語音識別模型

在原生環境與瀏覽器中執行的 Voxtral ASR 與 TTS。使用 Burn ML 框架實作的 Mistral Voxtral mini 即時 ASR / TTS 的 Rust 版本

🎙️ 一款智慧語音生產力助理，可將語音轉化為乾淨的文字、有用的動作和結構化知識。它協助使用者捕捉靈感、自然溝通、自動化重複性任務，並在各種應用程式與工作流程中保持高生產力。

結合 LLM、ASR、TTS、OCR、CV 等技術的 AI VTuber，可與你直播或遊玩 Minecraft。

說點啥（BiBi Keyboard）：一個基於 Kotlin 的 Android 平台 LLM 與 ASR 語音輸入法鍵盤應用程式

📦 快速轉化「中文數字」和「阿拉伯數字」～ (最新特性：分數，日期、溫度等轉化)

基於 PaddlePaddle 實現的語音辨識，中文語音辨識。專案完善，辨識效果佳。支援 Windows、Linux 下訓練與預測，並支援 Nvidia Jetson 開發板預測。

在本地機器的 Unity3d 中執行語音轉文字模型 (whisper.cpp)。

Pytorch實現的流式與非流式的自動語音識別框架，同時兼容在線和離線識別，目前支持Conformer、Squeezeformer、DeepSpeech2模型，支持多種數據增強方法。

基於 PyTorch-Lightning 與 Hydra 的端對端語音辨識開源工具包。

使用 OpenAI Whisper 與 TensorFlow Lite 在 Android 上進行離線語音辨識

INTERSPEECH 2023-2024 論文集：收錄 INTERSPEECH 2023-24 會議中具有影響力與精彩的研究論文。探索語音與語言處理的最新進展。內含程式碼。為此儲存庫按 Star 以支援語音技術的發展！

一個 SOTA 工業級一體化 ASR 系統，包含 ASR、VAD、LID 與 Punc 模組。FireRedASR2 支援中文（普通話、20+ 種方言/口音）、英文、中英夾雜（code-switching），以及語音和歌唱的 ASR。FireRedVAD 支援 100+ 種語言的語音/歌唱/音樂。FireRedLID 支援 100+ 種語言與 20+ 種中文方言。FireRedPunc 支援中英文。

由深度學習驅動的裝置端串流語音轉文字引擎

即時音訊翻譯，可擷取系統音訊與麥克風，執行 ASR (Whisper/SenseVoice)，並透過 LLM API 進行翻譯與串流顯示。適用於 VTuber、直播主與觀看外語內容。

語音識別理論、論文和 PPT

🤗 Optimum Intel：利用 Intel 優化工具加速推論

📣 商用級開源語音自動識別程式庫，開箱即用，全平台支援，中英文混合識別。基於 ONNXRuntime 與 FunASR 的跨平台 ASR 推論實作。我們提供了一組更易於呼叫 ASR 模型的 API。

開源語音代理平台

跨平台即時字幕顯示軟體

支援多種推論引擎的 Whisper 模型語音轉文字優化管線。

SpeechIO Leaderboard：一個大型、穩健且全面的自動語音識別基準測試平台。

透過 Vosk 的 WebAssembly 建置，可在瀏覽器中執行的語音辨識函式庫

ICASSP 2023-2024 論文集：收錄來自 ICASSP 2023-24 會議中具影響力且令人興奮的研究論文。探索聲學、語音與訊號處理的最新進展。內含程式碼。為此儲存庫加星以支持音訊與訊號處理領域的發展！

使用 RPI Zero 2w / 5 構建的口袋型 AI 聊天機器人

Clip any video into a narration recap with claude code skill｜用 claude code skill 把任何视频剪辑成中文解说视频，支持剪映导出

Arabic-first generative speech recognition — Audar-ASR-V1 (Flash + Turbo). #1 on the Open Universal Arabic ASR Leaderboard. Model cards, benchmarks & inference.