#speech-recognition Repositorios
206 repositorios en total
🐸STT - El kit de herramientas de aprendizaje profundo para Speech-to-Text. Entrenar y desplegar modelos STT nunca ha sido tan fácil.
Cicada · Subtítulos en tiempo real, interpretación simultánea y notas de reuniones con IA para cualquier reunión o transmisión en directo. Gratis y de código abierto para Mac, Windows, Linux y Android.
Un modelo de 0,9B para transcripción de contenido extenso en más de 50 idiomas, con diarización de hablantes, marcas de tiempo y reconocimiento de eventos acústicos
🎙Reconocimiento de voz utilizando el framework de aprendizaje profundo de TensorFlow, redes neuronales sequence-to-sequence
:microphone: Biblioteca de reconocimiento de voz de React Native para iOS y Android (Soporte en línea y sin conexión)
IA multimodal en tiempo real y en el dispositivo con funciones similares a GPT-Live
Modelos ASR de nivel industrial de código abierto que admiten mandarín, dialectos chinos e inglés, logrando un nuevo SOTA en puntos de referencia públicos de ASR en mandarín, al tiempo que ofrecen una capacidad excepcional de reconocimiento de letras de canciones.
Motor de reconocimiento de voz continuo de código abierto y vocabulario amplio
Una lista curada de excelentes papers, bibliotecas, conjuntos de datos y otros recursos sobre Speaker Diarization.
Entorno de ejecución de alto rendimiento para servir sistemas de superinteligencia interactivos
El repositorio oficial de Qwen-Audio (通义千问-Audio) chat & modelo de lenguaje de audio grande preentrenado propuesto por Alibaba Cloud.
Reconocimiento de voz en tiempo real y detección de actividad de voz (VAD) utilizando Kaldi de próxima generación con ncnn sin conexión a Internet. Soporte para iOS, Android, Linux, macOS, Windows, Raspberry Pi, VisionFive2, LicheePi4A, etc.
El sistema de autoscodificación para tu aplicación — Alan AI SDK para Flutter
Aplicación Linux Speech Note. Tomar notas, leer y traducir con voz a texto (Speech to Text) y texto a voz (Text to Speech) sin conexión, y traducción automática.
El sistema de autocodificación para tu aplicación — Alan AI SDK para Ionic
Dictado por voz gratuito y de código abierto para macOS y Windows. Transcripción local de voz a texto con Whisper y Parakeet; también funciona sin conexión.
🗣️ Una CLI para la transcripción de voz en el dispositivo utilizando Speech.framework en macOS 26
Amica es una interfaz de código abierto para la comunicación interactiva con personajes 3D con síntesis de voz y reconocimiento de voz.
Modelos de reconocimiento de voz Fun-ASR, con compatibilidad nativa con Hugging Face Transformers para Fun-ASR-Nano y rutas de implementación independientes para FunASR, vLLM y llama.cpp.
DELTA es una plataforma de procesamiento de lenguaje natural y voz basada en aprendizaje profundo. LF AI & DATA Projects: https://lfaidata.foundation/projects/delta/
Nodos personalizados que extienden las capacidades de Comfyui
Transcripción configurable. Literal (cada muletilla, pausa, tartamudeo y sonido vocal) o intencionada (lo que el hablante quiso decir, optimizada para facilitar la lectura), con marcas de tiempo a nivel de palabra.
Asistente personal construido con bibliotecas de Python. Hace casi todo, lo que incluye enviar correos electrónicos, reconocimiento óptico de texto, informes de noticias dinámicos en cualquier momento con integración de API, generador de listas de tareas pendientes, abre cualquier sitio web con solo un comando de voz, reproduce música, búsqueda en Wikipedia, diccionario con detección inteligente, es decir, autocorrección ortográfica, informes meteorológicos, es decir, temperatura, velocidad del viento, humedad, búsqueda en YouTube, búsqueda en Google Maps, descarga de YouTube, etc.
Este repo contiene los scripts, modelos y archivos requeridos para el Deep Noise Suppression (DNS) Challenge.
Ajusta finamente LLMs en tu Mac con Apple Silicon. SFT, DPO, GRPO, Visión, TTS, STT, Embedding y ajuste fino de OCR — de forma nativa en MLX. API compatible con Unsloth.
Preentrenamiento unificado unimodal de voz y texto para el procesamiento del lenguaje hablado
Pruna es un marco de optimización de modelos creado para desarrolladores, que le permite entregar modelos más rápidos y eficientes con una sobrecarga mínima.
💎 Una lista de corpora de voz accesibles para ASR, TTS y otras tecnologías de voz
Cliente de línea de comandos Whisper compatible con el cliente original de OpenAI basado en CTranslate2.
Plugin de OBS para subtítulos cerrados usando Reconocimiento de voz de Google
Una simple demostración de juguete de un asistente de voz local con whisper y un modelo de lenguaje grande.
Kit de herramientas de voz IA para Apple Silicon — ASR, TTS, voz-a-voz, VAD y diarización impulsados por MLX y CoreML
StreamSpeech es un modelo "todo en uno" sin interrupciones para el reconocimiento de voz, la traducción de voz y la síntesis de voz sin conexión y simultánea.
Servidor de reconocimiento de voz WebSocket, gRPC y WebRTC basado en las bibliotecas Vosk y Kaldi
Una herramienta GUI para la transcripción sin conexión de grabaciones de voz, incluida la diarización del hablante, que utiliza modelos de aprendizaje automático de última generación.
Ajuste fino del modelo de reconocimiento de voz Whisper para admitir entrenamiento sin datos de marca de tiempo, entrenamiento con datos de marca de tiempo y entrenamiento sin datos de voz. Acelerar la inferencia y admitir el despliegue web, el despliegue en escritorio de Windows y el despliegue en Android