#speech-recognition リポジトリ
リポジトリ合計206件
Ollama、Hugging Face Transformers、Coqui TTS Toolkit搭載のエンゲージングな会話のためのローカルボイスチャットボット
PaddlePaddleに基づいて実装された音声認識、中国語音声認識。プロジェクトは完成しており、認識効果が良好です。Windows、Linuxでのトレーニングと予測をサポートし、Nvidia Jetson開発ボードでの予測をサポートします。
ASR、VAD、LID、Puncモジュールを備えた最先端の産業用オールインワンASRシステムです。FireRedASR2は中国語(北京語、20以上の方言/アクセント)、英語、コードスイッチング、音声および歌唱ASRをサポートします。FireRedVADは100以上の言語で音声/歌唱/音楽をサポートします。FireRedLIDは100以上の言語と20以上の中国語方言をサポートします。FireRedPuncは中国語と英語をサポートします。
Pytorchで実装されたストリーミングおよび非ストリーミング自動音声認識フレームワークで、オンラインおよびオフライン認識の両方と互換性があります。現在、Conformer、Squeezeformer、DeepSpeech2モデルをサポートしており、さまざまなデータ拡張方法もサポートしています。
OpenAmika:MekaHimeのAIコンパニオンAmikaがオープンソースに。Live2Dアバター、リアルタイム音声、長期記憶を備え、OpenRouterまたはOllamaを頭脳として利用できます。
INTERSPEECH 2023-2024 論文:INTERSPEECH 2023-24 会議からの影響力がありエキサイティングな研究論文の完全なコレクション。音声および言語処理の最新の進歩をご覧ください。コードが含まれています。音声技術の進歩をサポートするためにリポジトリをスターしてください!
ChatGPTがお家で実現!Raspberry Pi上でLiteLLMとLangGraphを使用して構築された、市販のスマートホームアシスタントに代わる優れた選択肢です。
macOS向けの無料・オープンソースで、ローカル処理を優先する音声入力アプリ。ショートカットキーを押しながら話すと、どのアプリにもテキストが入力されます。Whisper、Parakeet、Appleの音声認識を使ったオンデバイス音声文字起こし。プライバシーを重視した、オフライン対応のオープンソース版Wispr Flowです。
高品質でストリーミング対応のSpeech-to-Speech対話エージェントを単一ファイルで。1つのファイルだけで実現したストリーミング全二重音声インタラクティブプロトタイプインテリジェントエージェント!
ICASSP 2023-2024 論文:ICASSP 2023-24 会議の影響力がありエキサイティングな研究論文の完全なコレクションです。音響、音声、信号処理の最新の進歩を探求してください。コードが含まれています。オーディオおよび信号処理の進歩をサポートするために、リポジトリにスターを付けてください!