voice-recognition

支援 Android、iOS、Raspberry Pi 與伺服器的離線語音辨識 API，提供 Python、Java、C# 與 Node 介面

易用的語音工具包，包含自監督學習模型、SOTA/串流 ASR（含標點）、串流 TTS（含文字前端）、說話者驗證系統、端到端語音翻譯與關鍵詞偵測。榮獲 NAACL2022 最佳示範獎

基於 PyTorch 的語音工具包

極低延遲的語音轉文字、意圖辨識與文字轉語音，適用於構建語音代理與介面

Silero VAD：預訓練的企業級語音活動偵測器

近乎即時的 OpenAI Whisper 實作

功能全面的漢字工具庫（拼音、筆畫、偏旁、成語、語音、可視化等）(Chinese character util)

🐸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

🔊 語音與聲音運算開源資料集的完整清單（95+ 個資料集）。

💎 適用於 ASR、TTS 及其他語音技術的無障礙語音語料庫清單

本專案使用多種先進的語音特徵辨識模型，如 EcapaTdnn、ResNetSE、ERes2Net、CAM++ 等，未來不排除支援更多模型。同時，本專案亦支援 MelSpectrogram、Spectrogram 資料前處理方法。

Python AI 助理 🧠

Elite Dangerous 的船長日誌與 3D 星圖

由深度學習驅動的裝置端語音意圖（Speech-to-Intent）引擎。

Voicetypr - 專為 macOS、Windows 上的忙碌創辦人、vibe coders 與 AI 高階使用者打造的 AI 離線語音轉文字聽寫工具。是 wispr flow 與 superwhisper 的替代方案。

語音轉文字效能評測框架

適用於 React Native Expo 專案的語音辨識

由深度學習驅動的裝置端串流語音轉文字引擎

: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。

使用 faster-whisper 進行即時語音轉文字。

🗣 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