Project Icon

april-asr

高效流式语音识别库,支持离线模式

april-asr是一个轻量级离线流式语音识别库,提供C API接口并支持C#和Python绑定。该项目适用于实时字幕等应用场景,当前主要支持英语识别。april-asr基于ONNXRuntime开发,可在Linux和Windows平台上构建。项目虽仍在开发中,但已提供示例代码和模型训练指南,为开发者提供了简洁灵活的语音识别解决方案。

wav2letter - 端到端语音识别解决方案
ASRFlashlightGithubwav2letter++卷积神经网络开源项目语音识别
wav2letter++现已整合到Flashlight中,专注于端到端和在线语音识别的研究。该项目提供多种预训练模型和数据准备指南,适用于有监督和半监督学习。通过Flashlight的ASR应用实现所有功能,确保高效、准确的语音识别。
ASR_Theory - 语音识别与深度学习的理论与实践总结
GMM-HMMGithubNN-HMMkaldi元语音开源项目语音识别
此页面汇总了语音识别的相关理论与实践内容,包括使用Kaldi工具构建的GMM-HMM和NN-HMM模型的PPT,多个深度学习研究论文,以及INTERSPEECH 2018会议上的谷歌PPT。提供以音节、字及音素为建模单元的语音识别模型的开源项目链接。
whisper.api - 开源自托管语音转文字API项目
API密钥GithubWhisper API开源项目自托管语音转文本
whisper.api是一个开源的自托管语音转文字API项目,基于微调的Whisper ASR模型。项目提供HTTP API接口,支持用户级API密钥管理,并采用量化模型优化,实现高效推理。其开源特性便于自定义和私有部署,适用于各类需要语音识别功能的应用场景。
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。
RealtimeTTS - 实时低延迟高质量文本转语音库
GithubRealtimeTTS低延迟多引擎支持多语言支持开源项目高质量音频
RealtimeTTS是一款低延迟、高质量的实时文本转语音库。支持OpenAI、Elevenlabs、Azure、Coqui、gTTS和系统TTS引擎,兼容多语言,适用于专业和关键场景。新增灵活定制安装选项,用户可以选择所需功能模块。通过回退机制确保持续运行,完美兼容大语言模型,实现即时文本流转换和清晰自然的语音输出。
CapsWriter-Offline - 多功能离线语音识别和字幕转录软件
CapsWriter-OfflineGithub字幕转录开源项目热词功能离线识别语音输入
CapsWriter-Offline是一款功能丰富的PC端语音识别和字幕转录软件。它支持完全离线运行,提供无限时长录音、低延迟识别和高准确率转录。用户可使用大写锁定键进行语音输入,或直接拖拽音视频文件进行字幕生成。此外,该工具还具备热词定制、日记记录和关键词分类等实用功能,兼容Windows、Mac和Linux操作系统。
whisper-plus - 全面音频处理工具集成语音识别与智能交互
AI模型GithubWhisperPlus开源项目自然语言处理语音转文字
WhisperPlus是一个集成多项功能的开源音频处理工具库。它支持语音转文字、文本摘要和说话人分离等核心功能,并提供YouTube音频下载、多种模型选择以及基于RAG技术的视频内容智能对话能力。此外,WhisperPlus还包含文本转语音和自动字幕生成功能,为开发者提供全面的音频处理解决方案。该项目安装简便,接口灵活,适用于广泛的语音处理应用场景。
Applio - 基于VITS的高效语音转换
ApplioContentVecGithubRVCTTS模型开源项目语音转换
Applio项目提供高效、优质的语音转换解决方案。基于增强版RVC模型,Applio采用先进的语音处理技术,实现卓越的语音转换效果。用户可通过详细文档、丰富插件和友好界面,轻松安装和使用Applio。支持多平台操作和30多种语言,适用于各种商业用途,确保广泛的应用场景和良好的用户体验。
openai-whisper-realtime - 低延迟实时音频转录,依赖高性能硬件和Python生态
GithubOpenAI WhisperPython依赖项实时转录开源项目音频输入
openai-whisper-realtime是一个几乎实时转录音频的实验项目,使用Python和OpenAI Whisper处理音频。该项目依赖高性能CPU或GPU,使用sounddevice、numpy和asyncio等库。当前目标包括提升转录性能、优化断词检测和动态分割。
insanely-fast-whisper-api - 音频转文字的高速开源API,支持GPU云部署与并发处理
DockerGithubJigsawStackWhisper API开源开源项目转换音频
这是一款基于OpenAI Whisper Large v3的API,能够高速将音频转录为文字。此开源项目支持在任意支持GPU的云提供商上部署,内置说话人分离功能,提供易用的Fast API层、异步后台任务和Webhooks,优化了并发处理。支持任务管理、取消与状态查询,拥有安全的管理员认证访问。通过Docker可以轻松部署到包括Fly.io在内的多种VM环境,实现高效的生产用途。
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