automatic-speech-recognition

即時、本地語音轉文字，支援串流 ASR、說話者分離、翻譯，並相容 OpenAI/Deepgram API。

先行生產且即時可用的端到端語音辨識工具包

OpenAI Whisper ASR 網路服務 API

[AutoArk] GPA (General Purpose Audio) 只需一個極小的模型即可進行 ASR、TTS 與語音轉換！

在你的應用程式中使用前沿的 CoreML 音訊模型——文字轉語音、語音轉文字、語音活動偵測與發言者分離。使用 Swift 開發，由 SOTA 開源技術驅動。

🐸STT - 用於語音轉文字的深度學習工具組。訓練與部署 STT 模型從未如此簡單。

語音活動偵測（VAD）：低延遲、高效能且輕量

支援普通話、中文方言與英語的開源工業級 ASR 模型，在公開的普通話 ASR 基準測試中達到全新的 SOTA，同時提供出色的歌唱歌詞辨識能力。

⚡ TensorFlowASR：Tensorflow 2 中幾乎達 SOTA 的自動語音辨識。支援使用字元或子字的語言

使用字詞錯誤率（WER）等相似度指標評估您的語音轉文字系統

大型語言模型（LLMs）在音訊 AI 應用之資源收集

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

由深度學習驅動的裝置端串流語音轉文字引擎

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。