#speech-recognition Репозитории
Всего репозиториев: 206
Частный журнал с командой персональных ИИ-ассистентов. Агенты читают то, что вы записываете, и предлагают, что делать дальше — вы одобряете изменения. Сквозное шифрование синхронизации между вашими собственными устройствами — серверы видят только шифротекст. Локальный ИИ по желанию.
Практическая лаборатория по созданию, тестированию и оценке приложений с использованием платформы базовых моделей Apple.
Ирина - русский голосовой ассистент для работы оффлайн. Поддерживает скиллы через плагины.
💁 Потрясающее сокровище моделей Transformer для обработки естественного языка содержит статьи, видео, блоги, официальные репозитории и ноутбуки Colab. 🛫☑️
Инструменты для обработки мультимодальных данных в проектах машинного обучения.
Система самостоятельного кодирования для вашего приложения — Alan AI SDK для Cordova
[Неофициальный] Реализация на PyTorch "Conformer: Convolution-augmented Transformer for Speech Recognition" (INTERSPEECH 2020)
Голосовой помощник хакера на базе ИИ, созданный с использованием Python и PyTorch.
Приложение iOS с открытым исходным кодом, которое делает качественный голосовой ввод более доступным на мобильных устройствах.
Сервер полнодуплексного распознавания речи в реальном времени, основанный на наборе инструментов Kaldi и фреймворке GStreamer.
Десктопный голосовой помощник на основе Python, способный выполнять команды уровня системы, интегрировать распознавание речи и синтез речи, а также обрабатывать асинхронные взаимодействия пользователя.
Инструмент редактирования, использующий ИИ для транскрипции, понимания контента и поиска чего угодно в ваших кадрах, интегрированный с ChatGPT и другими моделями ИИ
Бесплатное, с открытым исходным кодом, 100% офлайн-диктовка голоса для Linux. Говорите и печатайте где угодно с помощью движков whisper.cpp, Whisper и VOSK, с ускорением GPU, работает на X11 + Wayland.
:zap: TensorFlowASR: Почти передовая автоматическая система распознавания речи в Tensorflow 2. Поддерживаемые языки, которые могут использовать символы или подслова
💬📝 Небольшое приложение для диктовки, использующее модель распознавания речи Whisper от OpenAI.
Центр исследований в области аудио ИИ: статьи, открытые модели, бенчмарки и наборы данных по аудио LLM, распознаванию речи, TTS, генерации музыки и аудио.
Почти в реальном времени аудио транскрипция с использованием самостоятельно размещенного Whisper и WebSocket на Python/JS
Whisper.net. Преобразование речи в текст упрощено с помощью моделей Whisper
готовое к использованию решение для автономной транскрипции и диаризации с возможностью самохостинга и подведением итогов с помощью LLM
Преобразуйте звук с компьютера или микрофона в субтитры с переводом в реальном времени.
Перевод аудио в реальном времени, захват системного аудио + микрофона, запуск ASR (Whisper/SenseVoice), перевод через LLM API с потоковым отображением. Идеально подходит для VTuber, стримеров и просмотра иностранного контента.
Voicy (@voicybot): бот Telegram, который преобразует голосовые сообщения в текст в группах и личных чатах
Оптимизированные модели Whisper для потоковой передачи и использования на устройствах
Говорящая LLM, которая работает на вашем собственном компьютере без необходимости доступа в Интернет.
:speech_balloon: SpeechPy - Библиотека для обработки и распознавания речи: http://speechpy.readthedocs.io/en/latest/
Сквозная система распознавания китайской речи на основе PaddlePaddle, от основ до практики, сверхпростые примеры для начинающих, сверхпрактичные корпоративные проекты. Поддерживает самые популярные в настоящее время модели DeepSpeech2, Conformer, Squeezeformer.
Алгоритмы декодирования CTC (Connectionist Temporal Classification): лучший путь, поиск по лучу, поиск словаря, поиск префикса и передача токенов. Реализовано на Python.
Создавайте веб-приложения speech2text в реальном времени с помощью Whisper от OpenAI https://openai.com/blog/whisper/
Полностью конфиденциальное приложение для расшифровки речи с помощью ИИ, которое преобразует речь в текст на более чем 100 языках. Создано с помощью Compose Multiplatform для Android и iOS и использует Whisper AI. Никаких загрузок в облако: вся обработка происходит на устройстве, обеспечивая полную конфиденциальность. Свяжитесь с нами напрямую: [email protected]
Быстрый и бесплатный голосовой помощник для Mac. API-ключ не нужен. Он запоминает вас и изучает ваши сочетания клавиш. Удерживайте ⌃⌥Space и говорите.
Центр выполнения C++ ggml для многоязычных моделей ASR и TTS: Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2 и др., а также универсальное принудительное выравнивание и многое другое
Речь в текст в речь. Песня воспроизводится. Отправляет текст в виде сообщений OSC в VRChat для отображения на аватаре. (STTTS) (Речь в TTS) (Система VRC STT) (VTuber TTS)
🎤 Lobe TTS - Высококачественная и надежная библиотека TTS/STT для серверов и браузеров