#asr Dépôts
101 dépôts au total
Entièrement local, privé et multiplateforme Speech-to-Text avec post-traitement LLM
Premier ASR fondamental construit pour le monde réel - 7 conditions acoustiques atomiques, 54 scénarios composés, 2,6 millions d'échantillons et jusqu'à ~30% de gains par rapport à l'état de l'art là où tous les autres modèles échouent. **Vous reviendrez à MEGA-ASR, après que les autres aient échoué dans la nature. ⭐**
[Non officiel] Implémentation PyTorch de "Conformer: Convolution-augmented Transformer for Speech Recognition" (INTERSPEECH 2020)
Reconnaissance vocale hors ligne pour Android avec la bibliothèque Vosk.
VocoType est un outil d'entrée vocale respectueux de la vie privée et sécurisé qui s'exécute côté client local. Grâce à une touche de raccourci, il convertit la voix en temps réel en texte et l'insère automatiquement dans l'application en cours. Il prend en charge des fonctions telles que MCP pour la conversion vocale en texte, optimisation de texte par IA, dictionnaire de remplacement personnalisé, conversion de fichiers audio/vidéo en texte, rendant l'entrée vocale plus efficace et plus sûre.
Assistant d’enregistrement vocal avec BYOK, transcription ASR, diarisation des intervenants, résumés par IA et prise en charge des points de terminaison ASR locaux.
Espresso : Un kit d'outils rapide de reconnaissance vocale neuronale de bout en bout
🔥🔥🔥Boîte à outils d'algorithmes d'IA gratuite et hors ligne pour Java, prenant en charge la reconnaissance faciale, la détection de vivacité, la reconnaissance d'expressions, la détection d'objets, la segmentation d'instances, la détection de piétons, la reconnaissance de texte OCR, la reconnaissance de plaques d'immatriculation, la reconnaissance de tableaux, ASR+TTS, la traduction automatique et d'autres fonctions, utilisable par référence Maven. Prend en charge PyTorch, Tensorflow et a intégré des modèles courants tels que Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR(PPOCRv5), Whisper, etc.
Traduction audio en temps réel, capture l'audio système + micro, exécute ASR (Whisper/SenseVoice), traduit via API LLM avec affichage en streaming. Parfait pour les VTubers, les streamers et regarder des contenus étrangers.
Saisie vocale pour macOS avec des modèles locaux : transcrivez, traduisez et reformulez dans n’importe quelle app. Le successeur de Voxt.
Ce projet fournit une API avec un support d'accès au niveau utilisateur pour transcrire la parole en texte à l'aide d'un modèle ASR Whisper affiné et traité.
Omni SenseVoice : Reconnaissance vocale à haute vitesse avec horodatage des mots 🗣️🎯
BiBi Keyboard : clavier d’entrée vocale LLM et ASR pour la plateforme Android basé sur Kotlin
Boîte à outils conviviale pour la reconnaissance/transcription/conversion vocale etc. | Boîte à outils vocale simple et facile à utiliser
Reconnaissance vocale chinoise de bout en bout basée sur PaddlePaddle, de l'introduction à la pratique, exemples d'introduction ultra simples, projets d'entreprise ultra pratiques. Prend en charge les modèles les plus populaires actuellement : DeepSpeech2, Conformer, Squeezeformer.
GLM-ASR-Nano : Un modèle robuste de reconnaissance vocale open source avec 1,5 milliard de paramètres
VTuber IA avec LLM, ASR, TTS, OCR, CV et d’autres technologies pour diffuser en direct ou jouer à Minecraft avec vous.
Voxtral ASR & TTS s'exécutant nativement et dans le navigateur. Une implémentation Rust de Voxtral mini ASR/TTS en temps réel de Mistral utilisant le framework ML Burn
📦 Conversion rapide entre «chiffres chinois» et «chiffres arabes» ~ (Nouvelle fonctionnalité : fractions, dates, températures, etc.)
Reconnaissance vocale implémentée basée sur PaddlePaddle, reconnaissance vocale en chinois. Le projet est complet, avec un bon effet de reconnaissance. Prend en charge l'entraînement et la prédiction sous Windows et Linux, prend en charge la prédiction sur la carte de développement Nvidia Jetson.
Un système ASR tout-en-un industriel de pointe avec des modules ASR, VAD, LID et Punc. FireRedASR2 prend en charge le chinois (mandarin, 20+ dialectes/accents), l'anglais, l'alternance codique, et l'ASR pour la parole et le chant. FireRedVAD prend en charge la parole/le chant/la musique dans 100+ langues. FireRedLID prend en charge 100+ langues et 20+ dialectes chinois. FireRedPunc prend en charge le chinois et l'anglais.
Exécution du modèle de reconnaissance vocale (whisper.cpp) dans Unity3d sur votre machine locale.
Un framework Pytorch pour la reconnaissance vocale automatique en flux et non en flux, compatible avec la reconnaissance en ligne et hors ligne. Il prend actuellement en charge les modèles Conformer, Squeezeformer et DeepSpeech2, ainsi que diverses méthodes d'augmentation de données.
Boîte à outils open source pour la reconnaissance vocale de bout en bout utilisant PyTorch-Lightning et Hydra.
Transcription vocale en temps réel avec FastRTC ⚡️ et Whisper local 🤗
Reconnaissance vocale hors ligne avec OpenAI Whisper et TensorFlow Lite pour Android
Articles INTERSPEECH 2023-2024 : Une collection complète de recherches influentes et passionnantes de la conférence INTERSPEECH 2023-24. Explorez les dernières avancées dans le traitement de la parole et du langage. Code inclus. Ajoutez une étoile au dépôt pour soutenir l'avancement de la technologie de la parole !
Moteur de transcription vocale en streaming sur appareil alimenté par l'apprentissage profond
Pack de compétences d’agent IA pour la narration vidéo : découpage automatique des plans, analyse des images pour rédiger le texte de narration, ajout de la voix off et mixage audio pour produire la vidéo finale ; exportation de brouillons pour Jianying/CapCut, sans GPU requis | Compétences d’agent pour résumés vidéo narrés et brouillons CapCut
🤗 Optimum Intel: Accélérez l'inférence avec les outils d'optimisation d'Intel
L’atelier de sous-titrage d’Amo : le flux de transcription de sous-titres ASR de Moy (MAW en abrégé)
📣 Bibliothèque open-source de reconnaissance vocale automatique de niveau commercial, prête à l'emploi, prise en charge multiplateforme, reconnaissance mixte chinois-anglais. Une implémentation multiplateforme de l'inférence ASR. Elle est basée sur ONNXRuntime et FunASR. Nous fournissons un ensemble d'API plus simples pour appeler des modèles ASR.
Storyboard sensible aux scènes pour DeepSeek Harness : de 9 à 16 cases numérotées avec horodatages + transcription + enveloppe audio, réunies dans UNE seule image (384 tokens). Deux outils : video_storyboard et video_zoom.
Liste de modèles open source de synthèse vocale (TTS), de clonage de voix et de génération musicale
SpeechIO Leaderboard : une plateforme de benchmarking large, robuste et complète pour la reconnaissance vocale automatique.
Transcrivez n'importe quelle URL de vidéo ou fichier audio en texte brut. Sans GPU. Sans cloud. Une seule commande.
Un pipeline optimisé de synthèse vocale vers texte pour le modèle Whisper prenant en charge plusieurs moteurs d'inférence
Une bibliothèque de reconnaissance vocale fonctionnant dans le navigateur grâce à une compilation WebAssembly de Vosk
Articles ICASSP 2023-2024 : Une collection complète d'articles de recherche influents et passionnants des conférences ICASSP 2023-24. Explorez les derniers développements en matière d'acoustique, de parole et de traitement du signal. Code inclus. Étoilez le dépôt pour soutenir l'avancement du traitement audio et du signal !
Synthèse vocale, reconnaissance vocale et détection d’activité vocale pour les conversations vocales, en C++ avec ggml : Qwen3-TTS, Irodori-TTS, Qwen3-ASR, ReazonSpeech, parakeet et Silero VAD sur Metal, Vulkan et le CPU, avec un serveur compatible avec OpenAI et une transcription en direct.