#speech-recognition Repositorios
206 repositorios en total
Un cuaderno de bitácora privado con un equipo de asistentes de IA personales. Los agentes leen lo que registras y proponen qué hacer a continuación — tú apruebas los cambios. Sincronización cifrada de extremo a extremo entre tus propios dispositivos — los servidores solo ven texto cifrado. IA local opcional.
Un laboratorio práctico para crear, probar y evaluar aplicaciones con el marco de trabajo de modelos fundacionales de Apple.
Irina es un asistente de voz ruso para trabajar sin conexión. Admite habilidades a través de complementos.
💁 Impresionante tesoro de modelos Transformer para el procesamiento del lenguaje natural contiene artículos, videos, blogs, repos oficiales junto con cuadernos de Colab. 🛫☑️
Herramientas para el manejo de datos multimodales en proyectos de aprendizaje automático.
[No oficial] Implementación en PyTorch de "Conformer: Transformer aumentado por convolución para el reconocimiento de voz" (INTERSPEECH 2020)
Un asistente de voz IA para hackers, construido con Python y PyTorch.
La aplicación iOS de código abierto que hace que la transcripción de voz de calidad sea más accesible en dispositivos móviles.
Servidor de reconocimiento de voz full-duplex en tiempo real, basado en el kit de herramientas Kaldi y el framework GStreamer.
Un asistente de voz para escritorio basado en Python capaz de ejecutar comandos a nivel del sistema, integrar reconocimiento de voz y texto a voz, y manejar interacciones de usuario asíncronas.
Una herramienta de edición que utiliza IA para transcribir, comprender contenido y buscar cualquier cosa en tus metraje, integrada con ChatGPT y otros modelos de IA
Reconocimiento de voz sin conexión para Android con la biblioteca Vosk.
Dictado por voz gratuito, de código abierto y 100% offline para Linux. Habla y escribe en cualquier lugar mediante los motores whisper.cpp, Whisper y VOSK, acelerado por GPU, funciona en X11 + Wayland.
:zap: TensorFlowASR: Reconocimiento automático de voz casi de última generación en Tensorflow 2. Idiomas admitidos que pueden usar caracteres o subpalabras
💬📝 Una pequeña aplicación de dictado que utiliza el modelo de reconocimiento de voz Whisper de OpenAI.
El centro para la investigación de IA de audio: artículos, modelos abiertos, benchmarks y conjuntos de datos en LLM de audio, reconocimiento de voz, TTS, generación de música y audio.
Transcripción de audio casi en tiempo real utilizando Whisper autoalojado y WebSocket en Python/JS
servicio de transcripción y diarización sin conexión autoalojado llave en mano con resumen LLM
Convierte el audio del ordenador o del micrófono en subtítulos traducidos en tiempo real.
Traducción de audio en tiempo real, captura audio del sistema + micrófono, ejecuta ASR (Whisper/SenseVoice), traduce mediante API de LLM con visualización en streaming. Perfecto para VTubers, streamers y ver contenido extranjero.
Voicy (@voicybot): un bot de Telegram que convierte mensajes de voz en texto en grupos y chats privados
Un LLM parlante que se ejecuta en su propia computadora sin necesidad de internet.
:speech_balloon: SpeechPy - Una biblioteca para el procesamiento y reconocimiento de voz: http://speechpy.readthedocs.io/en/latest/
Reconocimiento de voz chino de extremo a extremo basado en PaddlePaddle, desde la introducción hasta la práctica, casos de introducción súper sencillos, proyectos empresariales súper prácticos. Admite los modelos más populares actualmente: DeepSpeech2, Conformer, Squeezeformer.
Algoritmos de decodificación CTC (Clasificación Temporal Conectivista): mejor ruta, búsqueda en haz, búsqueda léxica, búsqueda de prefijo y paso de tokens. Implementado en Python.
Crea aplicaciones web de speech2text en tiempo real usando Whisper de OpenAI https://openai.com/blog/whisper/
Una aplicación de transcripción de voz con IA 100 % privada que convierte voz en texto en más de 100 idiomas. Desarrollada con Compose Multiplatform para Android e iOS y basada en Whisper AI: no se sube nada a la nube; todo el procesamiento se realiza en el dispositivo para garantizar una privacidad total. Contáctanos directamente en: [email protected]
Asistente de voz rápido y gratuito para tu Mac. Sin clave de API. Te recuerda y aprende tus atajos. Mantén pulsadas ⌃⌥Space y habla.
Centro de ejecución C++ ggml para modelos multilingües de ASR y TTS: Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2, etc., además de alineación forzada universal y más
De voz a texto a voz. Reproduciendo canción. Envía texto como mensajes OSC a VRChat para mostrarlo en el avatar. (STTTS) (Voz a TTS) (Sistema STT de VRC) (VTuber TTS)
🎤 Lobe TTS - Una biblioteca TTS/STT fiable y de alta calidad para servidor y navegador