speech-recognition

💎 適用於 ASR、TTS 及其他語音技術的無障礙語音語料庫清單

在配備 Apple Silicon 的 Mac 上微調 LLMs。支援 SFT、DPO、GRPO、Vision、TTS、STT、Embedding 與 OCR 微調 —— 基於 MLX 原生實現。相容 Unsloth API。

可控制的轉錄。逐字（包含每個填補詞、停頓、口吃、聲音）或意圖（說話者想表達的意思，針對可讀性優化），並帶有單詞級別的時間戳記。

基於 CTranslate2、相容於原始 OpenAI 用戶端的 Whisper 命令列用戶端。

使用 Python 庫建構的個人助理。它幾乎可以做任何事情，包括傳送電子郵件、光學文字辨識、透過 API 整合隨時動態播報新聞、待辦事項清單產生器、僅透過語音指令開啟任何網站、播放音樂、維基百科搜尋、具有智慧感知功能的辭典（即自動拼字檢查）、天氣報告（即溫度、風速、濕度）

適用於 Wayland 複合管理器的按住發言語音轉文字工具

StreamSpeech 是一個用於離線與同步語音辨識、語音翻譯及語音合成的「一體化」無縫模型。

Pruna 是一個為開發者打造的模型優化框架，讓你能以極低的額外開銷交付更快、更高效的模型。

基於 Vosk 與 Kaldi 庫的 WebSocket、gRPC 和 WebRTC 語音辨識伺服器

微調 Whisper 語音辨識模型，支援無時間戳資料訓練、有時間戳資料訓練以及無語音資料訓練。加速推論並支援 Web 部署、Windows 桌面部署與 Android 部署

一個語音聊天應用程式

💁 自然語言處理 Transformers 模型精選寶庫，包含論文、影片、部落格、官方儲存庫以及 Colab 筆記本。 🛫☑️

使用 Apple Foundation Models 框架建構、測試與評估應用程式的實作實驗室。

配備個人 AI 助理團隊的私人日誌。AI 會讀取你的記錄並建議下一步行動——由你批准變更。在你的裝置之間進行端對端加密同步——伺服器永遠只能看到密文。可選用本機 AI。

適用於 Apple Silicon 的 AI 語音工具組 — 由 MLX 與 CoreML 驅動的 ASR、TTS、語音轉語音、VAD 與說話者分段

Irina - 離線執行的俄語語音助理。透過外掛程式支援技能。

用於在機器學習專案中處理多模態資料的工具。

應用程式的自我編碼系統 — 適用於 Cordova 的 Alan AI SDK

[非官方] 「Conformer: Convolution-augmented Transformer for Speech Recognition」(INTERSPEECH 2020) 的 PyTorch 實作

SGLang-Omni 為 TTS、ASR、語音與全能模型提供高效能服務。

用於在 Youtube/Twitch 上進行串流直播的 AI Vtuber

這是一款開源的 iOS 應用程式，讓行動裝置上的高品質語音轉錄變得更容易取得。

💬📝 使用 OpenAI 的 Whisper 語音辨識模型的輕量語音聽寫應用程式。

基於 Kaldi 工具包與 GStreamer 架構的即時全雙工語音辨識伺服器。

使用 Vosk 函式庫為 Android 提供離線語音辨識。

Kaldi 的 Python 包裝器

⚡ 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 AI 進行逐字稿轉錄、內容理解與影片中任意內容搜尋的編輯工具，已整合 ChatGPT 與其他 AI 模型

基於新一代 Kaldi 的語音轉文字伺服器框架

使用自託管 Whisper 與 WebSocket 在 Python/JS 中實現近即時音訊轉錄。