Project Icon

RealtimeSTT

实时语音转文本库 适用于低延迟应用

RealtimeSTT是一个为实时应用设计的语音转文本库。它集成了语音活动检测、实时转录和唤醒词激活等功能,适合开发语音助手和需要快速精确语音转文本的应用。该库采用WebRTCVAD和SileroVAD进行语音检测,Faster_Whisper执行转录,Porcupine或OpenWakeWord负责唤醒词检测,体现了当前语音识别技术的先进水平。

kaldi - 多平台支持的开源语音识别工具包
GitHubGithubKaldi开源工具包开源项目语音识别跨平台
Kaldi是一款先进的开源ASR(自动语音识别)工具包,适用于UNIX、Linux等多种系统。它为语音处理研究和应用开发提供了全面的工具和资源,包括详细文档和示例系统。Kaldi支持多种平台,包括PowerPC、Android和Web Assembly,并拥有活跃的开发者社区,为语音技术的创新和应用提供了强大支持。
whisper-turbo - 基于WebGPU的浏览器端语音转文字引擎
GithubWebGPUWhisper Turbo开源项目浏览器语音识别跨平台
Whisper Turbo是一个基于WebGPU技术的开源语音识别项目,专门为浏览器和Electron应用设计。这款跨平台工具能在客户端高效执行语音转文字任务,目前支持Windows和MacOS上的Chromium浏览器。项目提供在线演示和详细文档,其核心由Rust编写的Ratchet库提供支持,确保了卓越的性能表现。
wetts - 端到端文本转语音开源工具包
GithubWeTTS多平台支持开源数据集开源项目端到端模型语音合成
WeTTS是一个开源的端到端文本转语音(TTS)工具包,专注于生产级和设备端应用。它支持多语言处理,提供预训练模型,并可在x86、Android和树莓派等多种平台上运行。WeTTS采用VITS等先进的端到端模型,结合WeTextProcessing进行文本规范化,并使用基于BERT的统一前端处理中文语音合成。该工具包支持多个开源数据集,为研究者和开发者提供高质量、易用的TTS解决方案。
whisper - 多语种语音识别与翻译解决方案
GithubOpenAITransformer模型Whisper多语言处理开源项目热门语音识别
Whisper是一个通用语音识别模型,支持多种语言处理任务,如语音翻译和语言识别。该模型基于大规模多样化音频数据集进行训练,利用Transformer技术实现高效的序列到序列学习。用户可以通过简单的命令或Python代码实现快速准确的语音识别与翻译,是一个适用于多种应用场景的强大工具。支持多个模型大小和语言选项,用户可根据需求选择合适的模型。
SpeechPulse - 智能语音识别转写与多语言支持系统
AI工具多语言支持实时转录语音识别语音输入隐私保护
SpeechPulse整合了实时语音识别、多语言支持和离线处理功能,为用户提供全面的语音转文字解决方案。系统采用Whisper AI模型,支持自动和手动标点、自动语音输入及按键说话等多种模式。内置AI模板可进行语法校正和文本格式化,同时具备音频文件处理、说话人分离和字幕生成功能。适用于各类应用程序,能够满足日常和专业用户的多样化需求,是一款高效且功能丰富的语音识别工具。
Transcribro - 安卓设备本地语音识别键盘
AndroidGithubTranscribro开源软件开源项目语音识别隐私保护
Transcribro是一款安卓语音识别键盘和服务,采用OpenAI Whisper模型和Silero VAD技术。它提供语音输入功能,可作为独立应用或被其他程序调用。所有处理在设备本地进行,确保用户隐私和数据安全。Transcribro支持多种应用场景,为用户提供便捷的语音转文字体验。
whisperX - 高效准确的长音频自动转录工具
GithubWhisperX对齐开源项目时间戳语音识别说话人分离
WhisperX是一款基于Whisper的开源自动语音识别工具,通过强制音素对齐和语音活动批处理技术,实现了高达70倍实时的转录速度。它提供精确的单词级时间戳和说话人分离功能,适用于长音频的高效转录和分析。WhisperX在保持高转录质量的同时,显著提升了时间戳的准确性,为音频处理领域带来了新的可能。
quillman - 开源的实时语音转录和语言模型对话应用
GithubMetavoice Tortoise TTSModalOpenAI WhisperQuiLLManZephyr开源项目
一个开源项目,提供实时语音转录和自然语音合成的聊天应用,使用Zephyr语言模型和OpenAI Whisper技术。适用于开发和实验自定义语言模型应用,可在Modal平台上无服务器部署。提供在线演示、详细文档和模块化结构,方便本地开发和部署。
MeloTTS-Korean - 开源多语言文本转语音库实现实时CPU推理
GithubHuggingfaceMeloTTS多语言支持实时推理开源项目文字转语音模型
MeloTTS是一款开源的多语言文本转语音库,支持多种语言和口音,包括英语(美式、英式、印度、澳大利亚)、西班牙语、法语、中文、日语和韩语。该库具备混合中英文处理和CPU实时推理能力,用户可通过Python代码或在线演示使用。MeloTTS采用MIT许可证,鼓励社区参与和贡献。
reverb-asr - 基于大规模人工标注数据的开源语音识别模型
GithubHuggingfaceReverb ASR人工智能开源项目模型自动语音转录语音处理语音识别
这是一个基于20万小时人工标注语音数据训练的开源语音识别系统。采用CTC/attention联合架构,同时支持CPU和GPU部署。系统的特色在于通过verbatimicity参数实现对转录详细程度的精确控制,可输出从简洁到完整逐字的多种转录风格。支持attention、CTC等多种解码方式,适合不同应用场景。
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