#asr 저장소
저장소 총 101개
실제 환경을 위해 구축된 최초의 기반 ASR - 7가지 원자적 음향 조건, 54가지 복합 시나리오, 260만 개 샘플, 그리고 다른 모든 모델이 무너지는 곳에서 SOTA 대비 최대 ~30% 향상. **야생에서 나머지가 실패한 후, 당신은 MEGA-ASR로 돌아올 것입니다. ⭐**
"Conformer: Convolution-augmented Transformer for Speech Recognition" (INTERSPEECH 2020)의 [비공식] PyTorch 구현
VocoType은 로컬 클라이언트 측에서 실행되는 프라이버시 안전 음성 입력 도구로, 단축키를 통해 음성을 실시간으로 텍스트로 변환하여 현재 애플리케이션에 자동 입력합니다. 음성-텍스트 MCP, AI 텍스트 최적화, 사용자 정의 대체 사전, 녹음 비디오 텍스트 변환 등의 기능을 지원하여 음성 입력을 더 효율적이고 안전하게 만듭니다.
🔥🔥🔥Java용 무료 오프라인 AI 알고리즘 툴박스로, 얼굴 인식, 활성 감지, 표정 인식, 객체 탐지, 인스턴스 분할, 보행자 탐지, OCR 텍스트 인식, 차량 번호판 인식, 표 인식, ASR+TTS, 기계 번역 등의 기능을 지원하며 Maven 참조로 사용할 수 있습니다. PyTorch, Tensorflow를 지원하며 Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR(PPOCRv5), Whisper 등 주요 모델이 통합되어 있습니다.
실시간 오디오 번역, 시스템 오디오 + 마이크 캡처, ASR(Whisper/SenseVoice) 실행, LLM API를 통한 스트리밍 표시 번역. VTuber, 라이브 스트리머, 외국 콘텐츠 시청에 완벽합니다.
이 프로젝트는 미세 조정 및 처리된 Whisper ASR 모델을 사용하여 음성을 텍스트로 변환하는 사용자 수준 액세스 지원 API를 제공합니다.
PaddlePaddle 기반 종단간 중국어 음성 인식, 입문부터 실습까지, 초간단 입문 사례, 초실용 기업 프로젝트. 현재 가장 인기있는 DeepSpeech2, Conformer, Squeezeformer 모델을 지원합니다.
LLM, ASR, TTS, OCR, CV 등 다양한 기술을 활용한 AI VTuber, 라이브 스트리밍 또는 마인크래프트를 함께 플레이하세요.
Voxtral ASR & TTS가 네이티브로 및 브라우저에서 실행됩니다. Burn ML 프레임워크를 사용한 Mistral의 Voxtral mini 실시간 ASR/TTS의 Rust 구현
PaddlePaddle을 기반으로 구현된 음성 인식, 중국어 음성 인식. 프로젝트가 완성되어 있고, 인식 효과가 우수합니다. Windows와 Linux에서 훈련 및 예측을 지원하며, Nvidia Jetson 개발 보드에서 예측을 지원합니다.
ASR, VAD, LID, Punc 모듈을 갖춘 최첨단 산업용 올인원 ASR 시스템입니다. FireRedASR2는 중국어(만다린, 20개 이상의 방언/억양), 영어, 코드 스위칭, 음성 및 노래 ASR을 지원합니다. FireRedVAD는 100개 이상의 언어로 음성/노래/음악을 지원합니다. FireRedLID는 100개 이상의 언어와 20개 이상의 중국어 방언을 지원합니다. FireRedPunc는 중국어와 영어를 지원합니다.
PyTorch로 구현된 스트리밍 및 비스트리밍 음성 인식 프레임워크로, 온라인 및 오프라인 인식을 모두 지원합니다. 현재 Conformer, Squeezeformer, DeepSpeech2 모델과 다양한 데이터 증강 방법을 지원합니다.
INTERSPEECH 2023-2024 논문: INTERSPEECH 2023-24 컨퍼런스의 영향력 있고 흥미로운 연구 논문 모음입니다. 음성 및 언어 처리의 최신 발전을 살펴보세요. 코드 포함. 음성 기술 발전을 지원하기 위해 저장소를 별표 표시하세요!
AI 동영상 해설 Agent 스킬 패키지: 장면을 자동으로 편집하고, 영상을 분석해 해설 대본을 작성하며, 음성 녹음과 믹싱을 거쳐 완성 영상을 생성합니다. Jianying/CapCut 초안으로 내보낼 수 있으며 GPU가 필요하지 않습니다 | 해설이 포함된 동영상 요약 및 CapCut 초안용 Agent 스킬
📣 상업용 등급 오픈소스 음성 자동 인식 라이브러리, 즉시 사용 가능, 모든 플랫폼 지원, 중국어-영어 혼합 인식. ASR 추론의 크로스 플랫폼 구현입니다. ONNXRuntime 및 FunASR를 기반으로 합니다. ASR 모델을 호출하기 위한 더 쉬운 API 세트를 제공합니다.
DeepSeek Harness용 장면 인식 스토리보드: 타임스탬프, 대본, 오디오 엔벨로프가 포함된 번호 매김 셀 9~16개를 하나의 이미지에 담습니다(384토큰). 도구는 video_storyboard와 video_zoom 두 가지입니다.
ICASSP 2023-2024 논문: ICASSP 2023-24 컨퍼런스의 영향력 있고 흥미로운 연구 논문 모음입니다. 음향, 음성 및 신호 처리의 최신 발전을 살펴보세요. 코드가 포함되어 있습니다. 오디오 및 신호 처리의 발전을 지원하기 위해 저장소를 즐겨찾기로 추가하세요!
ggml 기반 C++ 음성 대화를 위한 음성 합성, 음성 인식 및 음성 활동 감지: Metal, Vulkan 및 CPU에서 작동하는 Qwen3-TTS, Irodori-TTS, Qwen3-ASR, ReazonSpeech, parakeet 및 Silero VAD와 OpenAI 호환 서버 및 실시간 전사를 제공합니다.