speech-recognition

語音 AI 研究中樞：涵蓋語音 LLM、語音識別、TTS、音樂與語音生成的論文、開源模型、基準測試與資料集。

開箱即用的自架離線轉錄與語者識別服務，並附帶 LLM 摘要

Whisper.net。使用 Whisper Models 輕鬆實現語音轉文字

Espresso：一個快速的端到端神經語音辨識工具包

一個基於 Python 的桌面語音助理，能夠執行系統級指令、整合語音辨識與文字轉語音，並處理非同步的使用者互動。

針對串流與裝置端使用優化的 Whisper 模型

一個無需網際網路即可在您自己的電腦上執行的會說話 LLM。

:speech_balloon: SpeechPy - 語音處理與辨識函式庫：http://speechpy.readthedocs.io/en/latest/

基於 PaddlePaddle 實現端到端中文語音識別，從入門到實戰，超簡單的入門案例，超實用的企業專案。支援當前最流行的 DeepSpeech2、Conformer、Squeezeformer 模型

為你的 React 應用程式加入語音辨識功能💬

Connectionist Temporal Classification (CTC) 解碼演算法：最佳路徑、Beam Search、詞典搜尋、字首搜尋與 Token Passing。以 Python 實作。

使用 OpenAI 的 Whisper 建立即時語音轉文字網頁應用程式 https://openai.com/blog/whisper/

描述性深度學習

適用於 Linux 的免費、開源、100% 離線語音聽寫工具。透過 whisper.cpp、Whisper 與 VOSK 引擎支援隨處語音輸入，具備 GPU 加速，支援 X11 與 Wayland！

🎤 Lobe TTS - 適用於伺服器與瀏覽器的高品質且可靠的 TTS/STT 程式庫

語音轉文字再轉語音。歌曲正在播放中。將文字作為 OSC 訊息傳送至 VRChat 以顯示在虛擬化身上。(STTTS) (Speech to TTS) (VRC STT System) (VTuber TTS)

whisper.cpp 的 React Native 綁定。

語音辨識任務的基礎模型

用於引人入勝對話的本機語音聊天機器人，由 Ollama、Hugging Face Transformers 與 Coqui TTS Toolkit 提供支援

允許使用者搭配 OpenAI whisper 使用麥克風的專案。

🎤 在 Swift 中進行語音轉文字的最簡單方法

一個 100% 私密的 AI 語音轉文字應用程式，支援 100 多種語言的語音轉文字。使用 Compose Multiplatform 為 Android 和 iOS 開發，並基於 Whisper AI —— 無需上傳雲端，所有處理皆在裝置端完成，確保完整隱私。

📦 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。

用於音訊處理的深度學習

一個即時無聲語音識別工具。

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

Allosaurus 是一個預先訓練的通用語音辨識器，支援超過 2000 種語言

適用於 Android 的隱私且裝置端的語音辨識鍵盤與服務。

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。