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

esp32_loraprs - ESP32基于的业余无线电多模式通信设备

APRSESP32GithubLoRaModemRadioLib开源项目

esp32_loraprs是一个基于ESP32的开源业余无线电通信项目。它集成了LoRa/FSK KISS调制解调器、APRS-IS iGate服务器、APRS中继器和Codec2 DV调制解调器等功能。支持SX126X和SX127X射频芯片，提供多种通信接口如蓝牙、USB和TCP/IP。该项目为业余无线电爱好者和开发者提供了灵活的配置选项和丰富的功能。

ChatGPT-OpenAI-Smart-Speaker - ChatGPT与Raspberry Pi结合的智能语音助手

ChatGPT Smart SpeakerGithubOpenAIRaspberry Pispeech recognitiontext-to-speech开源项目

该项目详细介绍了如何通过Raspberry Pi集成OpenAI和Google语音识别技术，打造智能扬声器。用户可以使用语音输入，并通过gTTS生成语音响应，还支持自定义唤醒词和多种语言。项目提供了在PC/Mac及Raspberry Pi上的实现步骤和依赖项配置，适合希望开发个性化智能语音助手的开发者。

speech-emotion-recognition - 开源多模型语音情感识别系统

Emo-db数据集Github开源项目机器学习模型深度学习模型特征提取语音情感识别

speech-emotion-recognition是一个开源的语音情感识别系统，基于Emo-db数据集开发。该项目支持SVM、随机森林、神经网络、CNN和LSTM等多种机器学习和深度学习模型。系统使用Python实现，提供完整的数据预处理、特征提取和模型训练工作流程。项目设计简单易用，适合研究人员和开发者进行语音情感分析的研究和应用开发。该系统可应用于客户服务、情感计算、人机交互等领域，具有模型多样化、使用灵活、易于扩展等优点。

Whisper-Finetune - 语音识别模型的高效微调与加速

GithubWhisper中文识别加速推理开源项目模型微调语音识别

Whisper-Finetune项目致力于优化OpenAI的Whisper语音识别模型。该项目采用Lora技术进行微调，支持多种数据类型的训练，并通过CTranslate2和GGML实现加速推理。此外，项目提供了跨平台应用和服务器部署方案，为语音识别应用开发提供了全面支持。

pi-card - 树莓派上的离线AI智能助手

AI助手GithubRaspberry Pi开源项目离线系统计算机视觉语音交互

Pi-C.A.R.D是一个完全运行在树莓派上的离线AI智能助手项目。它集成了标准大语言模型的对话能力，同时支持拍照、图像描述和分析功能。该系统通过唤醒词或按钮触发对话，具有可配置的对话记忆功能。Pi-C.A.R.D采用C++实现音频转录和视觉语言模型，确保高效运行，同时保护用户隐私。

easy-speech - 跨浏览器语音合成的简单解决方案

Easy SpeechGithubJavaScriptWeb Speech API开源项目语音合成跨浏览器

Easy Speech是一款跨浏览器语音合成库，无需额外依赖。它提供统一API接口和异步操作支持，具备全局及特定语音实例的事件钩子。该项目能自动检测加载可用语音，并解决了多个浏览器特有问题。Easy Speech还包含内部日志功能，支持多种构建目标，并提供在线演示测试浏览器兼容性。它简化了Web Speech API在主流浏览器上的语音合成实现。

parrots - 支持多语言的语音识别与语音合成工具套件

GithubParrots多语言支持开源项目自动化语音合成语音识别

Parrots工具套件整合了先进的多语言语音识别与语音合成技术，提供中文、英文及日文支持。其功能强大的ASR与TTS模型旨在为开发者打造快速、高效的语音交互体验。安装简便，适合处理多种语言的语音数据。

deepsleepnet - 自动睡眠阶段评分深度学习模型

DeepSleepNetEEGGithub开源项目深度学习睡眠阶段评分神经系统工程

DeepSleepNet是一个创新的深度学习模型，用于基于原始单通道脑电图(EEG)数据的自动睡眠阶段评分。其独特的双阶段架构融合了表示学习和序列残差学习技术，大幅提升了评分准确性。通过在MASS和Sleep-EDF等公开数据集上的严格评估，DeepSleepNet展现出优于传统手工特征工程方法的卓越性能。这一高效、精确的自动化工具为睡眠障碍诊断、睡眠质量监测等睡眠研究和临床应用领域带来了新的可能。

vosk-api - 离线开源多语言语音识别工具，支持多种设备

GithubVosk多语言支持开源工具包开源项目离线语音识别

Vosk是一款离线开源语音识别工具包，支持20多种语言和方言。其模型体积小（仅50MB），但能提供连续的大词汇量转录、零延迟响应和流媒体API。支持Python、Java、Node.JS、C#、C++、Rust、Go等多种编程语言。适用于聊天机器人、智能家居设备、虚拟助手，也能为电影创建字幕、为讲座和采访生成转录。Vosk从Raspberry Pi等小型设备到大型集群均可扩展。访问Vosk官网获取安装指南、示例和文档。

Bridge-TTS - 创新方法提升文本转语音合成效果

Bridge-TTSGithubSchrodinger Bridge开源项目文本转语音机器学习语音合成

Bridge-TTS是一个革新性的文本转语音(TTS)项目，利用人工智能和机器学习技术，通过创新的数据处理方法优化语音合成。无论在简单还是复杂的应用场景中，它都显著优于传统的扩散模型。这一突破不仅提升了TTS技术水平，还为语音合成和相关人工智能领域开辟了新的研究方向。项目详情、研究方法和结果可在官方网站查阅，完整源代码将在论文被学术界正式接受后公开发布。

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

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

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