#speech-recognition Repositories
Insgesamt 206 Repositories
Ein privates Logbuch mit einem Team persönlicher KI-Assistenten. Agenten lesen, was Sie aufzeichnen, und schlagen vor, was als Nächstes zu tun ist — Sie genehmigen die Änderungen. Ende-zu-Ende-verschlüsselte Synchronisierung zwischen Ihren eigenen Geräten — Server sehen nur Chiffretext. Lokale KI optional.
Ein praktisches Labor zum Erstellen, Testen und Evaluieren von Apps mit dem Foundation Models Framework von Apple.
Irina ist ein russischer Sprachassistent für die Offline-Arbeit. Unterstützt Skills über Plugins.
💁 Schatzkiste voller Transformer-Modelle für Natural Language Processing enthält Arbeiten, Videos, Blogs, offizielle Repos und Colab-Notebooks. 🛫☑️
Werkzeuge für die Verarbeitung multimodaler Daten in Machine-Learning-Projekten.
[Inoffiziell] PyTorch-Implementierung von "Conformer: Convolution-augmented Transformer for Speech Recognition" (INTERSPEECH 2020)
Ein KI-Sprachassistent für Hacker, erstellt mit Python und PyTorch.
Die Open-Source-iOS-App, die qualitativ hochwertige Sprachübertragung auf mobilen Geräten zugänglicher macht.
Echtzeit-Vollduplex-Spracherkennungs-Server, basierend auf dem Kaldi-Toolkit und dem GStreamer-Framework.
Ein auf Python basierender Desktop-Sprachassistent, der systemweite Befehle ausführen, Spracherkennung und Text‑zu‑Sprache integrieren und asynchrone Benutzerschnittstellen handhaben kann.
Ein Bearbeitungswerkzeug, das KI nutzt, um Inhalte zu transkribieren und zu verstehen und alles in Ihrem Filmmaterial zu durchsuchen, integriert mit ChatGPT und anderen KI-Modellen
Kostenlose, quelloffene, 100% offline Sprachdiktat für Linux. Sprechen und tippen Sie überall mit den Engines whisper.cpp, Whisper und VOSK, GPU-beschleunigt, funktioniert auf X11 + Wayland.
:zap: TensorFlowASR: Fast automatische Spracherkennung in Tensorflow 2. Unterstützte Sprachen, die Zeichen oder Subwörter verwenden können
💬📝 Eine kleine Diktier-App, die das Whisper-Spracherkennungsmodell von OpenAI verwendet.
Der Knotenpunkt für Audio-KI-Forschung: Papiere, offene Modelle, Benchmarks und Datensätze zu Audio-LLMs, Spracherkennung, TTS, Musik- und Audio-Generierung.
Nahezu Echtzeit-Audio transkription mit selbst gehostetem Whisper und WebSocket in Python/JS
schlüsselfertiger selbst gehosteter Offline-Transkriptions- und Diarisierungsdienst mit LLM-Zusammenfassung
Echtzeit-Audioübersetzung, erfasst Systemaudio + Mikrofon, führt ASR (Whisper/SenseVoice) aus, übersetzt über LLM-API mit Streaming-Anzeige. Perfekt für VTuber, Livestreamer und zum Ansehen fremdsprachiger Inhalte.
Voicy (@voicybot): ein Telegram-Bot, der Sprachnachrichten in Gruppen und privaten Chats in Text umwandelt
Ein sprechendes LLM, das auf Ihrem eigenen Computer läuft, ohne dass das Internet benötigt wird.
:speech_balloon: SpeechPy - Eine Bibliothek für Sprachverarbeitung und -erkennung: http://speechpy.readthedocs.io/en/latest/
End-to-End-chinesische Spracherkennung basierend auf PaddlePaddle, vom Einstieg bis zur Praxis, super einfache Einstiegsbeispiele, super praktische Unternehmensprojekte. Unterstützt die derzeit beliebtesten Modelle DeepSpeech2, Conformer, Squeezeformer.
Connectionist Temporal Classification (CTC)-Decodierungsalgorithmen: beste Route, Beam-Suche, Lexikonsuche, Präfixsuche und Token-Passing. Implementiert in Python.
Erstellen Sie Echtzeit-Speech2Text-Web-Apps mit OpenAI's Whisper https://openai.com/blog/whisper/
Eine zu 100 % private KI-App zur Sprachtranskription, die Sprache in über 100 Sprachen in Text umwandelt. Entwickelt mit Compose Multiplatform für Android und iOS und mit Whisper AI: keine Uploads in die Cloud, die gesamte Verarbeitung erfolgt direkt auf dem Gerät – für vollständigen Datenschutz. Schreiben Sie uns direkt an: [email protected]
Schneller, kostenloser Sprachassistent für deinen Mac. Kein API-Schlüssel erforderlich. Er merkt sich dich und lernt deine Kurzbefehle. Halte ⌃⌥Space gedrückt und sprich.
C++ ggml Runtime-Hub für mehrsprachige ASR- und TTS-Modelle: Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2 usw., sowie universelle erzwungene Ausrichtung und mehr
Sprache zu Text zu Sprache. Song wird gerade abgespielt. Sendet Text als OSC-Nachrichten an VRChat, um ihn auf dem Avatar anzuzeigen. (STTTS) (Sprache zu TTS) (VRC STT-System) (VTuber TTS)
🎤 Lobe TTS - Eine hochwertige und zuverlässige TTS/STT-Bibliothek für Server und Browser