speech-recognition

Adapt 意圖解析器

適用於 OBS、VRChat、Twitch 聊天室與 Discord 的語音轉文字和 KB 輸入字幕

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

由深度學習驅動的裝置端語音意圖（Speech-to-Intent）引擎。

語音 API 範例。

語音轉文字效能評測框架

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！

一個免費的語音數字音訊資料集。MNIST 的音訊版本。

適用於 React Native Expo 專案的語音辨識

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

適用於 macOS 內建語音辨識與轉錄功能的命令列介面。

家裡的 ChatGPT！基於 Raspberry Pi 使用 LiteLLM 與 LangGraph 打造的商用智慧家庭助理更佳替代方案。

:speech_balloon: /so.nus/ 適用於 Node 的 STT (語音轉文字)，具備離線熱詞偵測功能

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。

基於 Whisper 的 Android 輸入法 (IME)

用於多語言 ASR 與 TTS 模型的 C++ ggml 執行時期中心：包含 Cohere Transcribe、Parakeet TDT、Voxtral、Canary 1B v2 等，並支援通用強制對齊等功能。

使用 faster-whisper 進行即時語音轉文字。

具備字典與語言模型的連接時序分類 (CTC) 解碼器。

支援多種推論引擎的 Whisper 模型語音轉文字優化管線。

您的應用程式自動編碼系統 — 用於 React Native 的 Alan AI SDK

為 VRChat 製作的模組化節點程式語言、程式建立器、動畫系統、工具組、路由器與偵錯器

🗣 一個在自訂 UI 中取得使用者語音權限並將輸入轉為文字的覆疊介面

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

韓語語音辨識 STT API 列表及效能基準測試。

Lightning-fast, free, local first voice dictation for macOS with on-device transcription

單一檔案實現的高品質串流語音對語音互動代理原型

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

自動語音辨識 (ASR) 與文字轉語音 (TTS) 引擎。支援中英文語音辨識、多角色語音合成與多語言，準確率高