#speech-recognition 仓库
共 206 个仓库
一个配有个人AI助手团队的私人日志本。代理读取你记录的内容并提出下一步建议——你批准更改。在你自己的设备之间进行端到端加密同步——服务器只能看到密文。本地AI可选。
💁 涵盖自然语言处理的Transformer模型的绝佳宝库,包含论文、视频、博客、官方仓库以及Colab笔记本。🛫☑️
基于 Python 的桌面语音助手,能够执行系统级命令,集成语音识别和文字转语音,并处理异步用户交互。
免费、开源、100%离线的Linux语音听写工具。通过whisper.cpp、Whisper和VOSK引擎,随时随地说话打字,支持GPU加速,兼容X11和Wayland!
实时音频翻译,捕获系统音频+麦克风,运行ASR(Whisper/SenseVoice),通过LLM API进行流式翻译显示。非常适合VTuber、主播和观看外语内容。
:speech_balloon: SpeechPy - 用于语音处理和识别的库:http://speechpy.readthedocs.io/en/latest/
基于PaddlePaddle实现端到端中文语音识别,从入门到实战,超简单的入门案例,超实用的企业项目。支持当前最流行的DeepSpeech2、Conformer、Squeezeformer模型
Connectionist Temporal Classification (CTC) 解码算法:最佳路径、光束搜索、词典搜索、前缀搜索和令牌传递。已用 Python 实现。
使用 OpenAI 的 Whisper 构建实时 speech2text 网页应用 https://openai.com/blog/whisper/
一款 100% 注重隐私的 AI 语音转录应用,可将 100 多种语言的语音转换为文字。使用 Whisper AI 和 Compose Multiplatform 为 Android 与 iOS 打造——无需上传到云端,所有处理均在设备上完成,全面保护隐私。请直接通过以下邮箱联系我们:[email protected]
用于多语言 ASR 和 TTS 模型的 C++ ggml 运行时中心:Cohere Transcribe、Parakeet TDT、Voxtral、Canary 1B v2 等,以及通用强制对齐等功能
语音转文字转语音。歌曲正在播放。将文本作为OSC消息发送到VRChat以在头像上显示。(STTTS)(语音转TTS)(VRC STT系统)(VTuber TTS)