#automatic-speech-recognition 仓库
探索 42 个标记为 #automatic-speech-recognition 的活跃开源 GitHub 仓库,它们累计获得 118,799 个 Star(平均每个项目 2,828 个)。该主题的领先项目是 Vaibhavs10/insanely-fast-whisper,拥有 13,052 个 Star。
共 42 个仓库
Frontier CoreML 音频模型,适用于您的应用 — 文本转语音、语音转文本、语音活动检测和说话人分离。采用 SOTA 开源技术,支持 Swift。
一个集成了ASR、VAD、LID和Punc模块的SOTA工业级一体化ASR系统。FireRedASR2支持中文(普通话、20多种方言/口音)、英语、语码转换以及语音和歌唱ASR。FireRedVAD支持100多种语言的语音/歌唱/音乐。FireRedLID支持100多种语言和20多种中文方言。FireRedPunc支持中文和英文。
可以实现按下 Option 按钮开始录制,抬起按钮就结束录制,并调用 Groq Whisper Large V3 Turbo 模型进行转译,由于 Groq 的速度非常快,所以大部分的语音输入都可以在 1-2s 内反馈。并且得益于 whisper 的强大能力,转译效果非常不错。
常见问题解答
GitHub 上最受欢迎的 #automatic-speech-recognition 仓库是什么?
GitHub 上排名第一的开源 #automatic-speech-recognition 项目是 Vaibhavs10/insanely-fast-whisper,拥有 13,052 个 Star。
#automatic-speech-recognition 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #automatic-speech-recognition 项目中,最常见的编程语言是 Python, Jupyter Notebook, C++, Swift。
#automatic-speech-recognition 仓库的排名是如何计算的?
我们跟踪了 42 个标记为 #automatic-speech-recognition 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 118,799 个 Star,平均每个仓库拥有 2,828 个 Star。排名每日根据 GitHub API 更新。