#speech-recognition Repositórios
206 repositórios no total
Um diário privado com uma equipe de assistentes de IA pessoais. Os agentes leem o que você registra e propõem o que fazer em seguida — você aprova as alterações. Sincronização criptografada de ponta a ponta entre seus próprios dispositivos — os servidores só veem texto cifrado. IA local opcional.
Um laboratório prático para criar, testar e avaliar aplicativos com a estrutura de modelos fundamentais da Apple.
Irina é um assistente de voz russo para trabalho offline. Suporta habilidades através de plugins.
💁 Tesouro Incrível de Modelos Transformer para Processamento de Linguagem Natural contém artigos, vídeos, blogs, repositórios oficiais juntamente com Notebooks Colab. 🛫☑️
Ferramentas para lidar com dados multimodais em projetos de aprendizado de máquina.
O Sistema de Auto-Codificação para Sua Aplicação — Alan AI SDK para Cordova
[Não oficial] Implementação em PyTorch de "Conformer: Convolution-augmented Transformer for Speech Recognition" (INTERSPEECH 2020)
Um assistente de IA hacker, construído usando Python e PyTorch.
O aplicativo iOS de código aberto que está tornando a transcrição de voz de qualidade mais acessível em dispositivos móveis.
Servidor de reconhecimento de fala full-duplex e em tempo real, baseado no kit de ferramentas Kaldi e no framework GStreamer.
Um assistente de voz de mesa baseado em Python, capaz de executar comandos em nível de sistema, integrar reconhecimento de fala e conversão de texto em fala, e lidar com interações de usuário assíncronas.
Uma ferramenta de edição que utiliza IA para transcrever, compreender conteúdo e pesquisar qualquer coisa em suas filmagens, integrada com o ChatGPT e outros modelos de IA
Ditado por voz gratuito, de código aberto e 100% offline para Linux. Fale e digite em qualquer lugar através dos mecanismos whisper.cpp, Whisper e VOSK, acelerado por GPU, funciona no X11 + Wayland.
:zap: TensorFlowASR: Reconhecimento Automático de Fala (ASR) praticamente de ponta no Tensorflow 2. Idiomas suportados que podem usar caracteres ou subpalavras.
💬📝 Um pequeno aplicativo de ditado que utiliza o modelo de reconhecimento de fala Whisper da OpenAI.
O centro para pesquisa de IA em áudio: artigos, modelos abertos, benchmarks e conjuntos de dados em LLMs de áudio, reconhecimento de fala, TTS, geração de música e áudio.
Transcrição de áudio quase em tempo real usando Whisper auto-hospedado e WebSocket em Python/JS
Serviço turnkey de transcrição e diarização offline auto-hospedado com resumo LLM
Converta o áudio do computador ou do microfone em legendas traduzidas em tempo real.
Espresso: Um Kit de Ferramentas Rápido de Ponta a Ponta para Reconhecimento Neural de Fala
Tradução de áudio em tempo real, captura áudio do sistema + microfone, executa ASR (Whisper/SenseVoice), traduz via API LLM com exibição em streaming. Perfeito para VTubers, streamers e assistir conteúdo estrangeiro.
Voicy (@voicybot): um bot do Telegram que converte mensagens de voz em texto em grupos e conversas privadas
Um LLM falante que roda no seu próprio computador sem precisar de internet.
:speech_balloon: SpeechPy - Uma Biblioteca para Processamento e Reconhecimento de Fala: http://speechpy.readthedocs.io/en/latest/
Implementação ponta a ponta de reconhecimento de fala chinês baseada em PaddlePaddle, do básico à prática, com casos de uso de entrada super simples e projetos empresariais super práticos. Suporta os modelos DeepSpeech2, Conformer e Squeezeformer mais populares atualmente.
Algoritmos de decodificação CTC (Classificação Temporal Conectivista): melhor caminho, busca em feixe, busca de léxico, busca de prefixo e passagem de token. Implementado em Python.
Crie aplicativos web de conversão de fala em texto em tempo real usando o Whisper da OpenAI https://openai.com/blog/whisper/
Um aplicativo de transcrição de voz com IA 100% privado que converte fala em texto em mais de 100 idiomas. Desenvolvido com Compose Multiplatform para Android e iOS usando o Whisper AI: sem uploads para a nuvem, todo o processamento ocorre no dispositivo para garantir total privacidade. Entre em contato diretamente pelo e-mail: [email protected]
Assistente de voz rápido e gratuito para o seu Mac. Sem chave de API. Ele se lembra de você e aprende seus atalhos. Mantenha ⌃⌥Space pressionadas e fale.
Hub de runtime C++ ggml para modelos ASR e TTS multilingues: Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2, etc., além de alinhamento forçado universal e mais
Fala para Texto para Fala. Música a tocar agora. Envia texto como mensagens OSC para o VRChat para exibir no avatar. (STTTS) (Speech to TTS) (VRC STT System) (VTuber TTS)
🎤 Lobe TTS - Uma biblioteca TTS/STT de alta qualidade e confiável para Servidor e Navegador