#speech-recognition リポジトリ
リポジトリ合計206件
個人用AIアシスタントのスタッフを備えたプライベートなログブック。エージェントはあなたが記録したものを読み、次に何をすべきかを提案します — あなたが変更を承認します。自分のデバイス間でのエンドツーエンド暗号化同期 — サーバーは暗号文しか見ません。ローカルAIはオプションです。
💁 自然言語処理のためのTransformerモデルの素晴らしい宝庫には、論文、ビデオ、ブログ、公式リポジトリ、およびColabノートブックが含まれています。🛫☑️
「Conformer: Convolution-augmented Transformer for Speech Recognition」(INTERSPEECH 2020)の【非公式】PyTorch実装
Pythonベースのデスクトップ音声アシスタントで、システムレベルのコマンドを実行し、音声認識とテキスト読み上げを統合し、非同期のユーザーインタラクションを処理できます。
無料、オープンソース、100%オフラインのLinux向け音声入力ツール。whisper.cpp、Whisper、VOSKエンジンを使用して、どこでも話して入力可能。GPUアクセラレーション対応、X11 + Waylandで動作。
:zap: TensorFlowASR: TensorFlow 2のほぼ最先端の自動音声認識。文字またはサブワードを使用できるサポート言語
リアルタイム音声翻訳、システムオーディオ+マイクをキャプチャし、ASR(Whisper/SenseVoice)を実行、LLM APIでストリーミング表示付き翻訳。VTuber、ライブ配信者、外国のコンテンツ視聴に最適です。
:speech_balloon: SpeechPy - 音声処理および認識のためのライブラリ: http://speechpy.readthedocs.io/en/latest/
PaddlePaddleに基づくエンドツーエンド中国語音声認識、入門から実践まで、超簡単な入門事例、超実用的な企業プロジェクト。現在最も人気のあるDeepSpeech2、Conformer、Squeezeformerモデルをサポートします。
Connectionist Temporal Classification (CTC) デコーディングアルゴリズム:ベストパス、ビームサーチ、レキシコンサーチ、プレフィックスサーチ、およびトークンパッシング。Pythonで実装されています。
OpenAIのWhisperを使用してリアルタイムspeech2textWebアプリを構築する https://openai.com/blog/whisper/
100%プライベートなAI音声文字起こしアプリです。100以上の言語の音声をテキストに変換します。Whisper AIを使用し、AndroidとiOS向けにCompose Multiplatformで開発されています。クラウドへのアップロードはなく、すべての処理が端末上で行われるため、プライバシーを完全に保護できます。お問い合わせは以下まで:[email protected]
Mac向けの高速で無料の音声アシスタント。APIキーは不要。あなたのことを覚え、ショートカットを学習します。⌃⌥Spaceを押しながら話しかけてください。
多言語ASRおよびTTSモデルのためのC++ ggmlランタイムハブ:Cohere Transcribe、Parakeet TDT、Voxtral、Canary 1B v2など、さらにユニバーサル強制アライメント機能などを搭載
音声からテキストへ、テキストから音声へ。現在再生中の曲。テキストをOSCメッセージとしてVRChatに送信し、アバターに表示します。(STTTS) (音声からTTSへ) (VRC STTシステム) (VTuber TTS)