#asr Repository
101 repository in totale
Completamente locale, privato e multipiattaforma Speech-to-Text con post-elaborazione LLM
Primo ASR di base costruito per il mondo reale: 7 condizioni acustiche atomiche, 54 scenari composti, 2,6 milioni di campioni e fino a ~30% di miglioramento rispetto a SOTA dove ogni altro modello crolla. **Tornerai a MEGA-ASR, dopo che gli altri falliranno nel mondo reale. โญ**
Implementazione PyTorch [Non ufficiale] di "Conformer: Convolution-augmented Transformer for Speech Recognition" (INTERSPEECH 2020)
VocoType รจ uno strumento di input vocale privato e sicuro che funziona lato client locale. Con una semplice scorciatoia da tastiera, converte la voce in tempo reale in testo e lo inserisce automaticamente nell'applicazione corrente. Supporta funzioni come MCP per la conversione vocale in testo, ottimizzazione del testo con AI, dizionario di sostituzione personalizzato, conversione di registrazioni audio e video in testo, rendendo l'input vocale piรน efficiente e sicuro.
Assistente per la registrazione vocale con BYOK, trascrizione ASR, diarizzazione dei parlanti, riepiloghi IA e supporto per endpoint ASR locali.
๐ฅ๐ฅ๐ฅCassetta degli attrezzi di algoritmi IA gratuiti offline per Java, che supporta il riconoscimento facciale, il rilevamento di vitalitร , il riconoscimento delle espressioni, il rilevamento di oggetti, la segmentazione di istanze, il rilevamento di pedoni, il riconoscimento di testo OCR, il riconoscimento targhe, il riconoscimento di tabelle, ASR+TTS, la traduzione automatica e altre funzioni. Utilizzabile tramite riferimento Maven. Supporta PyTorch, Tensorflow e ha integrato modelli mainstream come Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR(PPOCRv5), Whisper, ecc.
Traduzione audio in tempo reale, cattura audio di sistema + microfono, esegue ASR (Whisper/SenseVoice), traduce tramite API LLM con visualizzazione in streaming. Perfetto per VTuber, streamer e per guardare contenuti stranieri.
Input vocale per macOS con modelli locali: trascrivi, traduci e riscrivi in qualsiasi app. Il successore di Voxt.
Questo progetto fornisce un'API con supporto per l'accesso a livello utente per trascrivere il parlato in testo utilizzando un modello ASR Whisper messo a punto e processato.
Omni SenseVoice: Riconoscimento vocale ad alta velocitร con timestamp delle parole ๐ฃ๏ธ๐ฏ
BiBi Keyboard: tastiera di input vocale con LLM e ASR per la piattaforma Android basata su Kotlin
Toolkit user-friendly per riconoscimento/trascrivere/conversione vocale ecc. | Cassetta degli attrezzi vocale semplice e facile da usare
Riconoscimento vocale cinese end-to-end basato su PaddlePaddle, dall'introduzione alla pratica, casi di esempio introduttivi super semplici, progetti aziendali super pratici. Supporta i modelli piรน diffusi attualmente: DeepSpeech2, Conformer, Squeezeformer.
GLM-ASR-Nano: Un modello robusto di riconoscimento vocale open-source con 1,5 miliardi di parametri
VTuber AI con LLM, ASR, TTS, OCR, CV e altre tecnologie per fare streaming in diretta o giocare a Minecraft con te.
Voxtral ASR & TTS in esecuzione nativamente e nel browser. Implementazione Rust di Voxtral mini ASR/TTS in tempo reale di Mistral utilizzando il framework ML Burn
๐ฆ Conversione rapida tra ยซnumeri cinesiยป e ยซnumeri arabiยป ~ (Nuova funzionalitร : frazioni, date, temperature, ecc.๏ผ
Riconoscimento vocale implementato basato su PaddlePaddle, riconoscimento vocale in cinese. Il progetto รจ completo, con un buon effetto di riconoscimento. Supporta addestramento e previsione su Windows e Linux, supporta previsione sulla scheda di sviluppo Nvidia Jetson.
Un sistema ASR All-in-One di livello industriale SOTA con moduli ASR, VAD, LID e Punc. FireRedASR2 supporta cinese (mandarino, 20+ dialetti/accenti), inglese, code-switching e ASR sia per la voce che per il canto. FireRedVAD supporta voce/canto/musica in 100+ lingue. FireRedLID supporta 100+ lingue e 20+ dialetti cinesi. FireRedPunc supporta cinese e inglese.
Esecuzione del modello speech-to-text (whisper.cpp) in Unity3d sulla tua macchina locale.
Un framework Pytorch per il riconoscimento vocale automatico in streaming e non, compatibile sia con il riconoscimento online che offline. Attualmente supporta i modelli Conformer, Squeezeformer e DeepSpeech2, insieme a vari metodi di data augmentation.
Toolkit open source per il riconoscimento vocale end-to-end che sfrutta PyTorch-Lightning e Hydra.
Trascrizione vocale in tempo reale con FastRTC โก๏ธ e Whisper locale ๐ค
Riconoscimento vocale offline con OpenAI Whisper e TensorFlow Lite per Android
Pubblicazioni INTERSPEECH 2023-2024: Una raccolta completa di ricerche influenti ed entusiasmanti dalla conferenza INTERSPEECH 2023-24. Esplora gli ultimi progressi nell'elaborazione del parlato e del linguaggio. Codice incluso. Metti una stella al repository per supportare l'avanzamento della tecnologia vocale!
Motore di trascrizione vocale in streaming on-device alimentato dall'apprendimento profondo
Pacchetto di competenze per agenti IA per video narrati: taglia automaticamente le scene, analizza le immagini per scrivere il testo della narrazione, aggiunge la voce fuori campo e mixa lโaudio per creare il video finale; consente di esportare bozze per Jianying/CapCut, senza GPU | Competenze per agenti dedicate ai riepiloghi video narrati e alle bozze CapCut
๐ค Optimum Intel: Accelera l'inferenza con gli strumenti di ottimizzazione Intel
La postazione di sottotitolazione di Amo: flusso di lavoro di trascrizione dei sottotitoli ASR di Moy (in breve MAW)
Un software per la visualizzazione di sottotitoli in tempo reale multipiattaforma.
๐ฃ Libreria open-source di riconoscimento vocale automatico di livello commerciale, pronta all'uso, supportata su tutte le piattaforme, riconoscimento misto cinese-inglese. Un'implementazione multipiattaforma di inferenza ASR. Si basa su ONNXRuntime e FunASR. Forniamo una serie di API piรน semplici per chiamare modelli ASR.
Storyboard con riconoscimento delle scene per DeepSeek Harness: da 9 a 16 riquadri numerati con timestamp + trascrizione + inviluppo audio, raccolti in UN'UNICA immagine (384 token). Due strumenti: video_storyboard e video_zoom.
Elenco di modelli open source per la sintesi vocale (TTS), la clonazione della voce e la generazione musicale
SpeechIO Leaderboard: una piattaforma di benchmarking ampia, robusta e completa per il riconoscimento vocale automatico.
Trascrivi qualsiasi URL video o file audio in testo semplice. Nessuna GPU. Nessun cloud. Un solo comando.
Una pipeline ottimizzata da parlato a testo per il modello Whisper che supporta piรน motori di inferenza
Una libreria di riconoscimento vocale in esecuzione nel browser grazie a una build WebAssembly di Vosk
Articoli ICASSP 2023-2024: Una raccolta completa di ricerche influenti ed entusiasmanti dalle conferenze ICASSP 2023-24. Esplora gli ultimi progressi nell'acustica, nel parlato e nell'elaborazione dei segnali. Codice incluso. Segui il repository per supportare il progresso dell'elaborazione audio e dei segnali!
Sintesi vocale, riconoscimento vocale e rilevamento dellโattivitร vocale per conversazioni vocali, in C++ su ggml: Qwen3-TTS, Irodori-TTS, Qwen3-ASR, ReazonSpeech, parakeet e Silero VAD su Metal, Vulkan e CPU, con un server compatibile con OpenAI e trascrizione in tempo reale.