#speech-recognition 仓库
共 206 个仓库
基于PaddlePaddle实现的语音识别,中文语音识别。项目完善,识别效果好。支持Windows,Linux下训练和预测,支持Nvidia Jetson开发板预测。
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。
Pytorch实现的流式与非流式的自动语音识别框架,同时兼容在线和离线识别,目前支持Conformer、Squeezeformer、DeepSpeech2模型,支持多种数据增强方法。
OpenAmika:MekaHime 的 AI 伙伴 Amika,现已开源。配备 Live2D 虚拟形象、实时语音、长期记忆,并可使用 OpenRouter 或 Ollama 作为大脑。
INTERSPEECH 2023-2024 论文:INTERSPEECH 2023-24 会议的完整、有影响力和激动人心的研究论文集。探索语音和语言处理领域的最新进展。包含代码。请 Star 该仓库以支持语音技术的发展!
适用于 macOS 的免费开源、本地优先听写应用。按住快捷键说话,文字就会输入到任何应用中。使用 Whisper、Parakeet 和 Apple 语音技术在设备端将语音转为文本。私密、离线、开源的 Wispr Flow 替代品。
ICASSP 2023-2024 论文:ICASSP 2023-24 会议中有影响力和令人兴奋的研究论文的完整合集。探索声学、语音和信号处理领域的最新进展。包含代码。给该仓库加星以支持音频和信号处理的进步!