#speech-recognition Repositórios
206 repositórios no total
Chatbot de voz local para conversas envolventes, alimentado por Ollama, Hugging Face Transformers e Coqui TTS Toolkit
📦 Conversão rápida entre «números chineses» e «números arábicos» ~ (Novos recursos: conversão de frações, datas, temperaturas, etc.)
Teclado e serviço de reconhecimento de fala privado e no dispositivo para Android.
Reconhecimento de fala baseado em PaddlePaddle, reconhecimento de fala em chinês. O projeto é bem desenvolvido e possui bom desempenho de reconhecimento. Suporta treinamento e previsão no Windows e Linux, e previsão em placas de desenvolvimento Nvidia Jetson.
Um sistema ASR All-in-One de nível industrial SOTA com módulos ASR, VAD, LID e Punc. O FireRedASR2 suporta chinês (mandarim, 20+ dialetos/sotaques), inglês, alternância de código e ASR tanto para fala quanto para canto. O FireRedVAD suporta fala/canto/música em 100+ idiomas. O FireRedLID suporta 100+ idiomas e 20+ dialetos chineses. O FireRedPunc suporta chinês e inglês.
Executando o modelo de fala para texto (whisper.cpp) no Unity3d na sua máquina local.
Framework de reconhecimento automático de fala (ASR) implementado em Pytorch para streaming e não-streaming, compatível com reconhecimento online e offline, suportando atualmente os modelos Conformer, Squeezeformer e DeepSpeech2, e diversos métodos de aumento de dados.
Kit de ferramentas de código aberto para reconhecimento de fala de ponta a ponta, aproveitando PyTorch-Lightning e Hydra.
Reconhecimento de Fala Offline com OpenAI Whisper e TensorFlow Lite para Android
Allosaurus é um reconhecedor fonético universal pré-treinado para mais de 2000 idiomas
OpenAmika: Amika, a companheira de IA da MekaHime, é de código aberto. Avatar Live2D, voz em tempo real, memória de longo prazo e OpenRouter ou Ollama como cérebro.
Ming - facilitando recursos avançados de compreensão e geração multimodal construídos sobre o Ling LLM.
Artigos INTERSPEECH 2023-2024: Uma coleção completa de artigos de pesquisa influentes e empolgantes da conferência INTERSPEECH 2023-24. Explore os mais recentes avanços no processamento de fala e linguagem. Código incluído. Dê uma estrela ao repositório para apoiar o avanço da tecnologia de fala!
Motor de fala para texto por streaming no dispositivo, desenvolvido com aprendizado profundo
Interface de linha de comando para os recursos de reconhecimento e transcrição de fala integrados no macOS.
Um conjunto de dados de áudio gratuito de dígitos falados. Uma versão em áudio do MNIST.
Entrada de voz para Fcitx5 — reconhecimento de fala local e na nuvem, reformulação com LLM e pacotes para várias distribuições
ChatGPT em casa! Uma alternativa melhor aos assistentes comerciais de casa inteligente, construído no Raspberry Pi usando LiteLLM e LangGraph.
:speech_balloon: /so.nus/ STT (speech to text) para Node com detecção de hotword offline
Legendas de Fala para Texto e entrada de Teclado para OBS, VRChat, chat do Twitch e Discord
Ditado por voz ultrarrápido, gratuito e com prioridade para o processamento local no macOS, com transcrição no dispositivo
Decodificador de Classificação Temporal Conexionista (CTC) com dicionário e modelo de linguagem.
O Sistema de Autocodificação para o Seu App — Alan AI SDK para React Native
🗣 Uma sobreposição que obtém a permissão de voz do usuário e entrada como texto em uma interface personalizável
SpeechIO Leaderboard: uma plataforma de benchmarking grande, robusta e abrangente para o Reconhecimento Automático de Fala.
Aplicativo de ditado gratuito, de código aberto e com prioridade para o processamento local no macOS. Mantenha um atalho pressionado, fale e o texto será digitado em qualquer aplicativo. Conversão de fala em texto no dispositivo com Whisper, Parakeet e Apple Speech. Uma alternativa privada, offline e de código aberto ao Wispr Flow.
Agente interativo de fala para fala de alta qualidade e streaming em um único arquivo. Protótipo de agente inteligente de interação de voz full-duplex em streaming implementado apenas com um arquivo!
Lista de APIs STT de reconhecimento de voz coreano. Benchmarks de desempenho para cada um.
Transcreva qualquer URL de vídeo ou arquivo de áudio para texto simples. Sem GPU. Sem nuvem. Um único comando.
Um pipeline otimizado de fala para texto para o modelo Whisper que suporta vários mecanismos de inferência
Conjunto de dados de atores multimodais emocionais de crowdsourcing (CREMA-D)
Uma biblioteca de reconhecimento de fala em execução no navegador graças a uma compilação WebAssembly do Vosk
Artigos da ICASSP 2023-2024: Uma coleção completa de artigos de pesquisa influentes e interessantes das conferências ICASSP 2023-24. Explore os avanços mais recentes em acústica, fala e processamento de sinais. Código incluído. Dê uma estrela ao repositório para apoiar o avanço do processamento de áudio e sinais!
Reconhecimento Automático de Fala (ASR), motor de Texto para Fala (TTS). Reconhecimento de fala chinês-inglês, síntese de voz multirrole, suporte a vários idiomas, alta precisão
Acompanhe os grandes modelos no domínio de áudio, incluindo fala, canto, música, etc.