#speech-recognition Repositórios
206 repositórios no total
🐸STT - O kit de ferramentas de aprendizado profundo para Fala para Texto. Treinar e implantar modelos STT nunca foi tão fácil.
Cicada · Legendas em tempo real, interpretação simultânea e notas de reunião com IA para qualquer reunião ou transmissão ao vivo. Gratuito e de código aberto para Mac, Windows, Linux e Android.
Um modelo de 0,9B para transcrição de conteúdos longos em mais de 50 idiomas, com diarização de locutores, marcações de tempo e reconhecimento de eventos acústicos
🎙Reconhecimento de fala usando o framework de deep learning tensorflow, redes neurais sequence-to-sequence
:microphone: Biblioteca de Reconhecimento de Voz React Native para iOS e Android (Suporte Online e Offline)
IA multimodal em tempo real no dispositivo com recursos semelhantes ao GPT-Live
Modelos ASR de código aberto de nível industrial que suportam mandarim, dialetos chineses e inglês, alcançando um novo SOTA em benchmarks públicos de ASR em mandarim, ao mesmo tempo que oferecem capacidade excepcional de reconhecimento de letras de músicas.
Motor de Reconhecimento de Fala Contínuo de Vocabulário Grande de Código Aberto
Uma lista selecionada de artigos, bibliotecas, conjuntos de dados e outros recursos excelentes sobre Diarização de Locutor.
Ambiente de execução de alto desempenho para servir sistemas de superinteligência interativos
O repositório oficial do Qwen-Audio (通义千问-Audio), um modelo de linguagem de áudio grande pré-treinado e de chat proposto pela Alibaba Cloud.
O Sistema de Autocodificação para Seu Aplicativo — Alan AI SDK para Android
Reconhecimento de fala em tempo real e detecção de atividade de voz (VAD) usando Kaldi de próxima geração com ncnn, sem conexão com a Internet. Suporte para iOS, Android, Linux, macOS, Windows, Raspberry Pi, VisionFive2, LicheePi4A etc.
O Sistema de Auto-Codificação para o Seu Aplicativo — Alan AI SDK para Flutter
Aplicativo Speech Note para Linux. Anotações, leitura e tradução com Speech to Text, Text to Speech e Tradução Automática offline.
Digitação por voz gratuita e de código aberto para macOS e Windows. Transcrição local de fala para texto com Whisper e Parakeet, também disponível offline.
🗣️ Uma CLI para transcrição de fala no dispositivo usando o Speech.framework no macOS 26
Amica é uma interface de código aberto para comunicação interativa com personagens 3D com síntese de voz e reconhecimento de fala.
Modelos de reconhecimento de fala Fun-ASR, com suporte nativo ao Hugging Face Transformers para o Fun-ASR-Nano e caminhos de implantação separados para FunASR, vLLM e llama.cpp.
DELTA é uma plataforma de processamento de linguagem natural e fala baseada em aprendizado profundo. Projetos LF AI & DATA: https://lfaidata.foundation/projects/delta/
Transcrição controlável. Literal (cada muleta, pausa, gaguejo e som vocal) ou intencional (o que o falante pretendia dizer, otimizado para facilitar a leitura), com marcações de tempo no nível das palavras.
Assistente Pessoal construído usando bibliotecas Python. Ele faz quase tudo, o que inclui envio de e-mails, Reconhecimento Óptico de Texto, Relatórios de Notícias Dinâmicos a qualquer momento com integração de API, gerador de lista de tarefas, abre qualquer site com apenas um comando de voz, reproduz música, pesquisa na Wikipédia, Dicionário com Sensoriamento Inteligente (ou seja, correção ortográfica automática), Relatório Meteorológico (ou seja, temperatura, velocidade do vento, umidade), pesquisa no YouTube, pesquisa no Google Maps, download do YouTube, etc.
Este repositório contém os scripts, modelos e arquivos necessários para o Desafio de Supressão Profunda de Ruído (DNS).
Faça fine-tuning de LLMs no seu Mac com Apple Silicon. SFT, DPO, GRPO, Visão, TTS, STT, Embedding e fine-tuning de OCR — nativamente no MLX. API compatível com Unsloth.
Pré-treinamento Unificado de Fala-Texto para Processamento de Linguagem Falada
Pruna é um framework de otimização de modelos construído para desenvolvedores, permitindo que você entregue modelos mais rápidos e eficientes com sobrecarga mínima.
💎 Uma lista de corpora de fala acessíveis para ASR, TTS e outras Tecnologias de Fala
Cliente de linha de comando Whisper compatível com o cliente original da OpenAI, baseado em CTranslate2.
Plugin OBS de Legendas Fechadas usando Reconhecimento de Fala do Google
Uma demonstração simples e experimental de um assistente de voz local com Whisper e um modelo de linguagem grande.
Kit de ferramentas de fala por IA para Apple Silicon — ASR, TTS, fala-para-fala, VAD e diarização alimentados por MLX e CoreML
StreamSpeech é um modelo contínuo "tudo em um" para reconhecimento de fala offline e simultâneo, tradução de fala e síntese de fala.
Servidor de reconhecimento de fala WebSocket, gRPC e WebRTC baseado nas bibliotecas Vosk e Kaldi
Uma ferramenta GUI para transcrição offline de gravações de fala, incluindo diarização de falantes, utilizando modelos de aprendizado de máquina de ponta.
Ajuste fino do modelo de reconhecimento de fala Whisper para suportar treinamento sem dados de carimbo de data/hora, treinamento com dados de carimbo de data/hora e treinamento sem dados de fala. Acelere a inferência e suporte implantação na Web, implantação em desktop Windows e implantação no Android