#speech-recognition Dépôts
206 dépôts au total
🐸STT - La boîte à outils d'apprentissage profond pour la reconnaissance vocale. Entraîner et déployer des modèles STT n'a jamais été aussi facile.
Cicada · Sous-titres en temps réel, interprétation simultanée et comptes rendus de réunion générés par l’IA pour toute réunion ou diffusion en direct. Gratuit et open source sur Mac, Windows, Linux et Android.
Un modèle de 0,9B pour la transcription de contenus longs dans plus de 50 langues, avec diarisation des locuteurs, horodatage et détection des événements acoustiques
🎙Reconnaissance vocale utilisant le framework d'apprentissage profond TensorFlow, réseaux de neurones sequence-to-sequence
:microphone: Bibliothèque de reconnaissance vocale React Native pour iOS et Android (Support en ligne et hors ligne)
IA multimodale en temps réel sur appareil avec des fonctionnalités similaires à GPT-Live
Modèles ASR open-source de qualité industrielle prenant en charge le mandarin, les dialectes chinois et l'anglais, atteignant un nouveau SOTA sur les benchmarks publics ASR en mandarin, tout en offrant une capacité exceptionnelle de reconnaissance des paroles chantées.
Une liste curated d'excellents articles, bibliothèques, ensembles de données et autres ressources sur le Speaker Diarization.
Environnement d’exécution hautes performances pour le service de systèmes de superintelligence interactifs
Le référentiel officiel de Qwen-Audio (通义千问-Audio) chat & modèle linguistique audio pré-entraîné de grande taille proposé par Alibaba Cloud.
Reconnaissance vocale en temps réel et détection d'activité vocale (VAD) utilisant Kaldi de nouvelle génération avec ncnn sans connexion Internet. Prise en charge d'iOS, Android, Linux, macOS, Windows, Raspberry Pi, VisionFive2, LicheePi4A, etc.
Le système d'auto-codage pour votre application — Alan AI SDK pour Flutter
Application Linux Speech Note. Prise de notes, lecture et traduction avec reconnaissance vocale hors ligne (Speech to Text), synthèse vocale (Text to Speech) et traduction automatique.
Plugin OBS pour la reconnaissance vocale locale et le sous-titrage à l'aide de l'IA
Le système de codage automatique pour votre application — Alan AI SDK pour Ionic
Saisie vocale gratuite et open source pour macOS et Windows. Transcription vocale locale avec Whisper et Parakeet, également disponible hors ligne.
🗣️ Une CLI pour la transcription vocale sur l'appareil à l'aide de Speech.framework sur macOS 26
Amica est une interface open source pour la communication interactive avec des personnages 3D avec synthèse vocale et reconnaissance vocale.
Modèles de reconnaissance vocale Fun-ASR, avec prise en charge native de Hugging Face Transformers pour Fun-ASR-Nano et des voies de déploiement distinctes pour FunASR, vLLM et llama.cpp.
DELTA est une plateforme de traitement du langage naturel et de la parole basée sur l'apprentissage profond. LF AI & DATA Projects: https://lfaidata.foundation/projects/delta/
Transcription contrôlable. Verbatim (chaque mot de remplissage, pause, bégaiement et son vocal) ou interprétée (ce que le locuteur voulait dire, optimisée pour la lisibilité), avec des horodatages au niveau des mots.
Assistant personnel construit à l'aide de bibliothèques Python. Il fait presque tout, y compris l'envoi d'e-mails, la reconnaissance optique de texte, le reporting dynamique d'actualités à tout moment avec intégration API, le générateur de listes de tâches, ouvre n'importe quel site Web par simple commande vocale, joue de la musique, recherche sur Wikipédia, dictionnaire avec détection intelligente c'est-à-dire correction orthographique automatique, rapport météorologique c'est-à-dire température, vitesse du vent, humidité, recherche YouTube, recherche Google Maps, téléchargement YouTube, etc.
Ce repo contient les scripts, les modèles et les fichiers requis pour le Deep Noise Suppression (DNS) Challenge.
Ajustez finement les LLMs sur votre Mac avec Apple Silicon. SFT, DPO, GRPO, Vision, TTS, STT, Embedding et ajustement fin d'OCR — nativement sur MLX. API compatible avec Unsloth.
Pré-entraînement unifié voix-texte unimodal pour le traitement du langage parlé
Pruna est un framework d'optimisation de modèles conçu pour les développeurs, vous permettant de fournir des modèles plus rapides et plus efficaces avec une surcharge minimale.
💎 Une liste de corpus vocaux accessibles pour l'ASR, le TTS et d'autres technologies vocales
Client en ligne de commande Whisper compatible avec le client OpenAI original basé sur CTranslate2.
Plugin OBS pour sous-titrage fermé utilisant la reconnaissance vocale Google
Une simple démo jouet d'un assistant vocal local avec whisper et un grand modèle linguistique.
Kit d'outils de parole IA pour Apple Silicon — ASR, TTS, parole-parole, VAD et diarisation propulsés par MLX et CoreML
StreamSpeech est un modèle transparent « tout-en-un » pour la reconnaissance vocale, la traduction vocale et la synthèse vocale hors ligne et simultanées.
Serveur de reconnaissance vocale WebSocket, gRPC et WebRTC basé sur les bibliothèques Vosk et Kaldi
Un outil GUI pour la transcription hors ligne d'enregistrements vocaux, y compris la diarisation des locuteurs, utilisant des modèles d'apprentissage automatique de pointe.
Affinage du modèle de reconnaissance vocale Whisper pour prendre en charge l'entraînement sans données d'horodatage, l'entraînement avec données d'horodatage et l'entraînement sans données vocales. Accélérer l'inférence et prendre en charge le déploiement Web, le déploiement sur le bureau Windows et le déploiement Android