#speech-recognition Repository
206 repository in totale
Chatbot vocale locale per conversazioni coinvolgenti, alimentato da Ollama, Hugging Face Transformers e Coqui TTS Toolkit
๐ฆ Conversione rapida tra ยซnumeri cinesiยป e ยซnumeri arabiยป ~ (Nuova funzionalitร : frazioni, date, temperature, ecc.๏ผ
Tastiera e servizio privati e on-device per il riconoscimento vocale per Android.
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.
Riconoscimento vocale offline con OpenAI Whisper e TensorFlow Lite per Android
Allosaurus รจ un riconoscitore telefonico universale pre-addestrato per oltre 2000 lingue
OpenAmika: Amika, la compagna IA di MekaHime, รจ open source. Avatar Live2D, voce in tempo reale, memoria a lungo termine e OpenRouter o Ollama come cervello.
Ming - facilita capacitร avanzate di comprensione e generazione multimodale costruite sul Ling LLM.
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
Interfaccia a riga di comando per le funzionalitร integrate di riconoscimento vocale e trascrizione in macOS.
Un set di dati audio gratuito di cifre parlate. Una versione audio di MNIST.
Input vocale per Fcitx5 โ riconoscimento vocale locale e cloud, riscrittura con LLM e pacchetti per diverse distribuzioni
ChatGPT a casa! Un'alternativa migliore agli assistenti commerciali per la smart home, costruita su Raspberry Pi utilizzando LiteLLM e LangGraph.
:speech_balloon: /so.nus/ STT (da voce a testo) per Node con rilevamento hotword offline
Didascalie per il riconoscimento vocale e l'input KB per OBS, VRChat, chat di Twitch e Discord
Dettatura vocale velocissima, gratuita e con prioritร allโelaborazione locale per macOS, con trascrizione sul dispositivo
Decodificatore Connectionist Temporal Classification (CTC) con dizionario e modello linguistico.
Il Sistema di Auto-Codifica per la Tua App โ Alan AI SDK per React Native
๐ฃ Un overlay che ottiene il permesso vocale dell'utente e l'input come testo in un'interfaccia personalizzabile
SpeechIO Leaderboard: una piattaforma di benchmarking ampia, robusta e completa per il riconoscimento vocale automatico.
App di dettatura gratuita, open source e con prioritร allโelaborazione locale per macOS. Tieni premuta una scorciatoia, parla e il testo verrร inserito in qualsiasi app. Conversione da voce a testo sul dispositivo con Whisper, Parakeet e Apple Speech. Unโalternativa privata, offline e open source a Wispr Flow.
Agente interattivo Speech-to-Speech di alta qualitร e in streaming in un singolo file. Prototipo di agente intelligente per interazione vocale full-duplex in streaming realizzato con un solo file!
Lista API STT riconoscimento vocale coreano. Benchmark di performance per ciascuno.
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
Dataset di attori multimodali emotivi ottenuto tramite crowdsourcing (CREMA-D)
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!
Riconoscimento Automatico della Favola (ASR), motore Text-to-Speech (TTS). Riconoscimento vocale in cinese e inglese, sintesi vocale multi-ruolo, supporta piรน lingue, alta accuratezza
Tieni traccia dei grandi modelli nel dominio audio, inclusi parlato, canto, musica ecc.