#speech-recognition Dépôts
206 dépôts au total
Chatbot vocal local pour des conversations engageantes, alimenté par Ollama, Hugging Face Transformers et Coqui TTS Toolkit
📦 Conversion rapide entre «chiffres chinois» et «chiffres arabes» ~ (Nouvelle fonctionnalité : fractions, dates, températures, etc.)
Clavier et service de reconnaissance vocale privés et sur appareil pour Android.
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.
Reconnaissance vocale hors ligne avec OpenAI Whisper et TensorFlow Lite pour Android
Allosaurus est un reconnaissance téléphonique universelle pré-entraînée pour plus de 2000 langues
OpenAmika : Amika, la compagne IA de MekaHime, est open source. Avatar Live2D, voix en temps réel, mémoire à long terme et OpenRouter ou Ollama comme cerveau.
Ming - facilitant les capacités avancées de compréhension et de génération multimodales construites sur le Ling LLM.
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
Interface de ligne de commande pour les capacités intégrées de reconnaissance vocale et de transcription de macOS.
Un ensemble de données audio gratuit de chiffres parlés. Une version audio de MNIST.
Saisie vocale pour Fcitx5 — reconnaissance vocale locale et dans le cloud, reformulation par LLM et paquets compatibles avec différentes distributions
ChatGPT à la maison ! Une meilleure alternative aux assistants commerciaux pour la maison intelligente, construite sur Raspberry Pi à l'aide de LiteLLM et LangGraph.
:speech_balloon: /so.nus/ STT (voix en texte) pour Node avec détection de mots-clés hors ligne
Sous-titres de reconnaissance vocale et d'entrée KB pour OBS, VRChat, le chat Twitch et Discord
Dictée vocale ultra-rapide, gratuite et privilégiant le traitement local sur macOS, avec transcription sur l’appareil
Décodeur de Classification Temporelle Connexionniste (CTC) avec dictionnaire et modèle de langage.
Le Système d'Auto-Codage pour Votre App — Alan AI SDK pour React Native
🗣 Une superposition qui obtient l'autorisation vocale de l'utilisateur et l'entrée sous forme de texte dans une interface personnalisable
SpeechIO Leaderboard : une plateforme de benchmarking large, robuste et complète pour la reconnaissance vocale automatique.
Application de dictée gratuite, open source et privilégiant le traitement local pour macOS. Maintenez un raccourci enfoncé, parlez, et le texte s’écrit dans n’importe quelle application. Transcription vocale en texte sur l’appareil avec Whisper, Parakeet et Apple Speech. Une alternative privée, hors ligne et open source à Wispr Flow.
Agent interactif Speech-to-Speech de haute qualité et en streaming dans un seul fichier. Prototype d'agent intelligent d'interaction vocale en streaming full-duplex réalisé avec un seul fichier !
Liste d'API STT de reconnaissance vocale coréenne. Benchmarks de performance pour chacune.
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
Base de données d’acteurs multimodaux émotionnels issus du crowdsourcing (CREMA-D)
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 !
Reconnaissance Automatique de la Parole (ASR), moteur de Synthèse Vocale (TTS). Reconnaissance vocale en chinois et anglais, synthèse vocale multi-rôles, prend en charge plusieurs langues, haute précision
Suivez les grands modèles dans le domaine audio, y compris la parole, le chant, la musique, etc.