esp-sr

集成唤醒词检测和语音命令识别的语音处理方案

ESP-SR 语音识别唤醒词引擎语音命令识别音频前端处理 Github 开源项目

ESP-SR是一款针对ESP32和ESP32-S3芯片优化的智能语音识别框架。它集成了音频前端处理、WakeNet唤醒词检测、MultiNet语音命令识别和语音合成等功能模块。该框架支持自定义唤醒词和300多个中英文语音命令，提供高性能、低内存占用的离线语音处理方案。ESP-SR的双麦克风音频前端已获得亚马逊Alexa内置设备认证，可用于构建各类智能语音应用。

访问官网

Github

介绍相关项目

OpenVoiceOS - 开源语音平台实现跨设备语音控制

AI工具OpenVoiceOS多平台开源语音助手社区驱动自定义语音界面

OpenVoiceOS是社区驱动的开源语音平台，致力于创建跨设备语音控制界面。平台支持自然语言处理，提供可定制界面，重视隐私安全。适用于多种设备，包括嵌入式设备和单板计算机，方便DIY智能音箱制作。OpenVoiceOS为开发者提供实验环境，可在Linux和开源语音助手项目中测试新功能。支持Docker和Python安装，并为Raspberry Pi和Mycroft设备提供预构建镜像。

aura-voice - 智能低延迟语音助手

AuraEleven Labs TTSGPT-4oGithubVercel Edge FunctionsWhisper Speech Recognition开源项目

Aura是一款高效的智能语音助手，专为低延迟响应优化。结合Vercel Edge Functions、Whisper语音识别、GPT-4o和Eleven Labs TTS流媒体技术，提供流畅的用户体验。用户可以在浏览器中享受类似Siri的功能，并克服了网页语音助手的延迟问题。适合需要构建个人语音助手的用户，支持完整的安装和使用指南，同时提供减少延迟和提升用户体验的方法。

RapidASR - 开源多模型语音识别框架

GithubONNXRuntimeRapid ASR开源项目模型转换语音识别

RapidASR是一个开源语音识别框架，集成多种模型如Paraformer、WeNet和PaddleSpeech。它支持Python和C++接口，兼容Linux、Windows和Mac系统。该项目结合了语音识别、语音活动检测和标点恢复功能，提供完整的语音转文本流程。RapidASR采用ONNXRuntime推理引擎，支持批量处理，性能稳定且持续更新。其核心代码已并入FunASR，具有良好的扩展性和兼容性。项目还提供详细的文档导航，适用于各种语音识别应用场景，便于开发者快速上手和使用。

FunASR - 综合性开源语音识别与处理工具集

FunASRGithub多任务开源项目模型部署语音识别预训练模型

FunASR是一个全面的开源语音处理工具集，融合了学术研究和工业应用。它不仅支持语音识别模型的训练和微调，还提供了语音活动检测、标点恢复等多种功能。该项目提供大量预训练模型，便于快速构建高效准确的语音识别服务。FunASR以其广泛的功能、高性能和易部署特性，为语音识别技术的研究和应用提供了强大支持。

sherpa-onnx - 多平台本地运行的语音处理开源项目

GithubSherpa开源项目语言识别语音合成语音识别音频标记

Sherpa-onnx是一个支持多平台、多功能的语音处理开源项目，涵盖语音识别、语音合成、说话人验证、语言识别等功能，兼容安卓、iOS、Windows、macOS、Linux等系统。支持多种编程语言如C++、C、Python、Go、C#、Java、Kotlin、JavaScript、Swift和Dart，提供预构建的APK和Flutter应用，以及开源预训练模型，便于语音处理开发和部署。

awesome-whisper - 开源AI语音识别技术

AIGithubOpenAIWhisper开源项目语音识别音频转录

Whisper是OpenAI开发的开源AI语音识别系统，支持多种语言和平台，具备高精度和实时处理能力，并适用于开发者和企业进行高效集成。

ai-devices - 智能语音助手现支持多语音模型和视觉推断技术

AI设备GPT-4GithubOpenAI开源项目语音输入镜像处理

本项目是AI驱动的智能语音助手，集成多种AI模型和服务。支持语音输入、文字转语音、图片处理及功能调用，提供高级视觉推断，保障用户获得全面的智能交互体验。主要支持最新的gpt-4o和gemini-1.5-flash-latest视觉模型，满足现代科技需求。

silero-vad - 企业级预训练语音活动检测工具，适用于多种平台

GithubPyTorchSilero VAD声学模型开源项目语音活动检测音频处理

Silero VAD 是一种企业级预训练语音活动检测工具，具备高精确度和快速处理能力。支持多种采样率、体积小巧，适用于 IoT、移动设备和电信应用。通过 PyTorch 和 ONNX 实现高度便携，无需注册或密钥，易于集成和广泛使用。

speech-to-text-benchmark - 开源语音识别基准测试框架对比多家主流引擎

Github基准测试开源项目模型大小计算效率识别准确率语音转文本

该项目提供了一个开源的语音识别基准测试框架，对比了Amazon、Azure、Google等主流云服务以及OpenAI Whisper、Picovoice等引擎的性能。框架使用LibriSpeech、TED-LIUM和Common Voice数据集，评估词错率、计算效率和模型大小等指标。测试结果客观展示了各引擎在准确度和资源消耗方面的表现，为选择语音识别解决方案提供了参考依据。

s2t-small-librispeech-asr - 小型LibriSpeech语音识别模型的高效自动化

GithubHuggingfaceLibriSpeechSpeech2Texts2t-small-librispeech-asr开源项目模型自动语音识别语音转换文本

s2t-small-librispeech-asr是一种小型端到端语音识别模型，使用LibriSpeech ASR语料库进行训练。该模型采用自回归的方式生成转录文本，并结合Pytorch及其工具如torchaudio和sentencepiece以提高准确性。在LibriSpeech“clean”和“other”测试集上的WER分别为4.3和9.0，可满足高性能语音识别应用的需求。

相关项目

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。

使用协议隐私政策广告服务

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