Project Icon

react-speech-recognition

React语音识别钩子实现实时语音转文本

react-speech-recognition是一个基于Web Speech API的React钩子,能将麦克风捕获的语音实时转换为文本。它支持语音命令、连续监听和多语言识别,提供简单API控制麦克风和访问转录。为实现更广泛的浏览器兼容性,推荐配合语音识别polyfill使用。

SenseVoice - 高效、多语种语音识别与情绪识别技术平台
GithubSenseVoice多语言语音识别开源项目情绪识别推理效率热门音频事件检测
SenseVoice是一款支持多语言的语音解析模型,整合了自动语音识别、语种识别、情绪识别及音频事件检测功能。该项目采用非自回归端到端框架,可在超过50种语言上提供精准的语音识别服务,大幅降低了推理延迟,提供方便的微调脚本和多语种细粒度情绪分析,支持多种客户端语言和服务部署,适用于多种商业场景。
read-aloud - 浏览器文本语音转换扩展,兼容多种网站和语音选项
Chrome扩展Firefox扩展GithubRead Aloud学习障碍开源项目文本转语音
Chrome 和 Firefox 浏览器扩展,支持文本语音转换。适用于新闻、博客、教育网站等,支持本地和 Google Wavenet、Amazon Polly 等云服务语音,部分语音需额外付费。适合阅读障碍者、学习语言的儿童及需要眼睛休息的用户。
tesseract.js - 多语言的从图像中识别文字的JavaScript库
GithubJavaScript库OCR引擎Tesseract.jsWebAssembly图像识别开源项目
Tesseract.js 是一个功能强大的 JavaScript 库,支持从图像中提取多种语言的文字,适用于浏览器和 Node.js 环境。它利用 WebAssembly 技术封装了 Tesseract OCR 引擎,支持通过 CDN、Webpack 或本地安装进行集成。该库具备低内存占用、快速处理、多种图像格式支持和并行处理功能。最新版本优化了文件大小和运行时性能,兼容多平台,适用于文档扫描和实时视频识别等应用。
cheetah - 实时本地化语音转文字引擎
CheetahGithub实时转录开源项目本地处理语音转文字跨平台
Cheetah是一款本地化实时语音转文字引擎,具有隐私保护、高精度和跨平台特性。该引擎支持Linux、macOS、Windows、Android、iOS和主流浏览器等多种平台。Cheetah为开发者提供多种编程语言的SDK和演示应用,支持实时麦克风输入和音频文件处理,是一个灵活的语音识别解决方案。
SpotifyTranscripts - 生成播客字幕和自动章节的AI技术
GithubOpen AISpotify字幕开源项目章节转录
SpotifyTranscripts通过AI技术生成播客字幕和自动分段,提升内容查找和听力障碍者的访问体验。主要功能包括将语音转为文本、自动生成章节和搜索功能,帮助用户快速找到感兴趣的内容。结合Spotify API和Open AI API,实现了便捷的播客内容管理和用户互动,适用于需要精确内容定位和字幕功能的播主和听众。
assistant-ui - 多模型支持的AI聊天React组件库
AI聊天GithubReact组件assistant-ui开源项目模型提供商支持
assistant-ui是一个集成多种AI模型的React聊天组件库。它支持OpenAI、Anthropic、Mistral等提供商,并允许自定义API集成。该项目提供快速启动模板,简化AI聊天应用的开发过程。assistant-ui为开发者提供了灵活的AI聊天界面构建工具,集成了Langchain和Vercel AI SDK等技术。
ASRT_SpeechRecognition - 中文语音识别系统,支持多平台和多种API接口
ASRTGithubPythonTensorFlow开源项目深度学习语音识别
ASRT是一款基于深度学习的中文语音识别系统,采用TensorFlow框架实现。支持数据集包括Thchs30、ST-CMDS、Primewords、aishell-1等,通过DCNN+CTC模型和最大熵隐马尔可夫模型实现汉字拼音识别。该系统跨平台兼容,提供多种API接口和SDK。适用于Linux和Windows系统,最低硬件要求为4核CPU、16GB RAM和NVIDIA GPU。提供详细的安装、训练、部署文档及Demo,适合开发者和研究人员使用。
react-native-keyboard-controller - 统一iOS和Android的React Native键盘管理工具
AndroidGithubiOSreact-native开源项目用户界面键盘控制
react-native-keyboard-controller为React Native应用提供统一的iOS和Android键盘管理体验。该库支持键盘动画映射、Android键盘事件模拟和软键盘模式调整。它还提供Reanimated支持、交互式键盘消失和预制组件。其他功能包括键盘工具栏定制和焦点输入信息检索,可与多种导航库兼容。
OpenAI Text To Speech WebUI - 多语言支持的OpenAI文本转语音Web工具
AI工具APIOpenAI多语言支持文本转语音语音合成
此Web界面利用OpenAI API实现文本到语音的转换,支持中文、英语、法语等数十种语言。用户需提供个人OpenAI API密钥使用服务。工具由数字营销专业人士开发,旨在为产品视频提供逼真的语音选项。界面操作简单直观,作为OpenAI文本转语音服务的免费前端应用,为全球用户提供便捷的多语言语音生成体验。只需输入文本并选择所需语言和语音,即可快速生成高质量的语音输出,满足不同用户的语音需求。
clipboard - React Native跨平台剪贴板API库
APIGithubReact Native剪贴板开源项目移动开发跨平台
Clipboard是React Native的跨平台剪贴板API库,支持macOS、iOS、Android和Windows。它提供读写剪贴板文本和图片的方法,以及useClipboard钩子便于在函数组件中使用。该库支持自动链接,集成简单,适用于跨平台应用开发中的剪贴板管理需求。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号