#speech-recognition Repository
206 repository in totale
๐ธSTT - Il toolkit di deep learning per Speech-to-Text. L'addestramento e il deployment di modelli STT non sono mai stati cosรฌ facili.
Cicada ยท Sottotitoli in tempo reale, interpretazione simultanea e verbali delle riunioni con IA per qualsiasi riunione o diretta streaming. Gratuito e open source per Mac, Windows, Linux e Android.
Un modello da 0,9B per la trascrizione di contenuti lunghi in oltre 50 lingue, con diarizzazione dei parlanti, timestamp e riconoscimento degli eventi acustici
๐Riconoscimento vocale utilizzando il framework di deep learning TensorFlow, reti neurali sequence-to-sequence
:microphone: Libreria di riconoscimento vocale React Native per iOS e Android (Supporto Online e Offline)
IA multimodale in tempo reale su dispositivo con funzionalitร simili a GPT-Live
Modelli ASR open-source di livello industriale che supportano mandarino, dialetti cinesi e inglese, raggiungendo un nuovo SOTA sui benchmark pubblici ASR in mandarino, offrendo al contempo eccezionali capacitร di riconoscimento del testo delle canzoni.
Un elenco curato di eccellenti articoli, librerie, dataset e altre risorse su Speaker Diarization.
Runtime ad alte prestazioni per lโerogazione di sistemi di superintelligenza interattivi
Il repository ufficiale di Qwen-Audio (้ไนๅ้ฎ-Audio) chat & modello linguistico audio di grandi dimensioni pre-addestrato proposto da Alibaba Cloud.
Riconoscimento vocale in tempo reale e rilevamento dell'attivitร vocale (VAD) utilizzando Kaldi di nuova generazione con ncnn senza connessione Internet. Supporto per iOS, Android, Linux, macOS, Windows, Raspberry Pi, VisionFive2, LicheePi4A ecc.
App Linux Speech Note. Prendere appunti, leggere e tradurre con Speech to Text offline, Text to Speech e traduzione automatica.
Digitazione vocale gratuita e open source per macOS e Windows. Trascrizione vocale locale con Whisper e Parakeet, disponibile anche offline.
๐ฃ๏ธ Una CLI per la trascrizione vocale sul dispositivo utilizzando Speech.framework su macOS 26
Amica รจ un'interfaccia open source per la comunicazione interattiva con personaggi 3D con sintesi vocale e riconoscimento vocale.
Modelli di riconoscimento vocale Fun-ASR, con supporto nativo per Hugging Face Transformers per Fun-ASR-Nano e percorsi di distribuzione separati per FunASR, vLLM e llama.cpp.
DELTA รจ una piattaforma di elaborazione del linguaggio naturale e della voce basata sull'apprendimento profondo. LF AI & DATA Projects: https://lfaidata.foundation/projects/delta/
Trascrizione controllabile. Letterale (ogni intercalare, pausa, balbettio e suono vocale) oppure intenzionale (ciรฒ che il parlante intendeva dire, ottimizzato per la leggibilitร ), con timestamp a livello di parola.
Assistente Personale costruito utilizzando librerie Python. Fa quasi tutto, tra cui inviare e-mail, riconoscimento ottico del testo, reportistica dinamica di notizie in qualsiasi momento con integrazione API, generatore di elenchi di cose da fare, apre qualsiasi sito Web con un semplice comando vocale, riproduce musica, ricerca su Wikipedia, dizionario con rilevamento intelligente, ovvero controllo ortografico automatico, reportistica meteo, ovvero temperatura, velocitร del vento, umiditร , ricerca su YouTube, ricerca su Google Maps, download di YouTube, ecc.
Questo repo contiene gli script, i modelli e i file richiesti per la Deep Noise Suppression (DNS) Challenge.
Fine-tune LLMs sul tuo Mac con Apple Silicon. SFT, DPO, GRPO, Visione, TTS, STT, Embedding e fine-tuning OCR โ nativamente su MLX. API compatibile con Unsloth.
Pre-addestramento unimodale vocale-testuale unificato per l'elaborazione del linguaggio parlato
Pruna รจ un framework di ottimizzazione dei modelli creato per gli sviluppatori, che consente di fornire modelli piรน veloci ed efficienti con un sovraccarico minimo.
๐ Un elenco di corpora vocali accessibili per ASR, TTS e altre tecnologie vocali
Client da riga di comando Whisper compatibile con il client originale OpenAI basato su CTranslate2.
Plugin OBS per didascalie closed usando il riconoscimento vocale di Google
Una semplice demo giocattolo di un assistente vocale locale con whisper e un modello linguistico di grandi dimensioni.
Toolkit vocale IA per Apple Silicon โ ASR, TTS, voce-su-voce, VAD e diarizzazione alimentati da MLX e CoreML
StreamSpeech รจ un modello "All in One" senza interruzioni per il riconoscimento vocale offline e simultaneo, la traduzione vocale e la sintesi vocale.
Server di riconoscimento vocale basato su WebSocket, gRPC e WebRTC utilizzando le librerie Vosk e Kaldi
Uno strumento GUI per la trascrizione offline di registrazioni vocali, inclusa la diarizzazione dell'oratore, che utilizza modelli di machine learning all'avanguardia.
Affina il modello di riconoscimento vocale Whisper per supportare l'addestramento senza dati di timestamp, l'addestramento con dati di timestamp e l'addestramento senza dati vocali. Accelera l'inferenza e supporta il deployment Web, il deployment desktop Windows e il deployment Android