#speech-recognition リポジトリ
リポジトリ合計206件
知了 Cicada · あらゆる会議やライブ配信に対応するリアルタイム字幕、同時通訳、AI 会議メモ。Mac、Windows、Linux、Android 向けの無料オープンソースソフトウェアです。
🎙TensorFlow ディープラーニングフレームワークを使用した音声認識、sequence-to-sequence neural networks
標準中国語、中国語方言、英語をサポートするオープンソースの産業グレードASRモデルは、公開されている標準中国語ASRベンチマークで新たなSOTAを達成するとともに、優れた歌唱歌詞認識機能も提供します。
次世代Kaldiとncnnを使用した、インターネット接続なしのリアルタイム音声認識および音声アクティビティ検出(VAD)。iOS、Android、Linux、macOS、Windows、Raspberry Pi、VisionFive2、LicheePi4Aなどをサポートします。
Fun-ASR 音声認識モデル。Fun-ASR-Nano では Hugging Face Transformers をネイティブにサポートし、FunASR、vLLM、llama.cpp にはそれぞれ独立したデプロイパスを提供します。
DELTAは、ディープラーニングベースの自然言語および音声処理プラットフォームです。LF AI & DATA Projects: https://lfaidata.foundation/projects/delta/
制御可能な文字起こし。逐語的(すべてのフィラー、ポーズ、どもり、発声を含む)、または意図ベース(話者が伝えようとした内容を、読みやすさを考慮して最適化)で、単語レベルのタイムスタンプに対応。
Pythonライブラリを使用して構築されたパーソナルアシスタント。電子メールの送信、光学文字認識、API統合による常時動的ニュースレポート、ToDoリストジェネレーター、音声コマンドのみで任意のWebサイトを開く、音楽の再生、Wikipediaの検索、インテリジェントセンシング(つまり自動スペルチェック)を備えた辞書、天気レポート(つまり気温、風速、湿度)、YouTubeの検索、Googleマップの検索、YouTubeのダウンロードなど、ほぼすべてのことを行います。
このリポジトリには、Deep Noise Suppression (DNS) Challenge のスクリプト、モデル、および必要なファイルが含まれています。
Apple Silicon搭載のMacでLLMをファインチューニング。SFT、DPO、GRPO、Vision、TTS、STT、Embedding、OCRのファインチューニング — MLX上でネイティブ対応。Unsloth互換API。
Whisper音声認識モデルをファインチューニングし、タイムスタンプデータなしでのトレーニング、タイムスタンプデータありでのトレーニング、音声データなしでのトレーニングをサポートします。推論を高速化し、Webデプロイメント、Windowsデスクトップデプロイメント、Androidデプロイメントをサポートします