Logo
Project Icon

CTCWordBeamSearch

CTC解码器提升文本和语音识别的性能

CTCWord Beam SearchPython文本识别语言模型Github开源项目

CTC Word Beam Search是一种基于词典和语言模型的连接时序分类（CTC）解码器，支持Python 3.11和3.12版本。项目提供详细的安装和使用指南，并通过示例代码展示其在文本识别模型中的应用。算法具有四大特点：使用词典约束词语、允许词间出现任意非词字符、可选用词级语言模型（LM）以及比token传递算法更快。文档中提供了主要参数的说明和更多的技术细节及使用案例，适用于手写文本识别和自动语音识别。

访问官网访问官网GithubGithub论文论文
介绍相关项目
bge-base-en-v1.5 - 高效英文文本嵌入模型 支持语义搜索与相似度计算
GithubHuggingfaceONNX权重Transformers.js嵌入计算开源项目文本检索模型特征提取
bge-base-en-v1.5是一个基于Transformers.js的英文文本嵌入模型，专门用于语义搜索和文本相似度计算。该模型提供高效的特征提取功能，支持多句嵌入和余弦相似度计算。它易于集成到各种自然语言处理任务中，如信息检索、文档分类和语义匹配。开发者可通过简洁的JavaScript代码实现文本嵌入和相似度计算。
wav2vec2-xls-r-300m-cs-250 - 高性能捷克语语音识别模型 实现精准音频转文本
GithubHuggingfaceWav2Vec2开源项目捷克语模型模型训练深度学习语音识别
这是一个基于wav2vec2-xls-r-300m的捷克语语音识别模型，经过Common Voice 8.0等多个数据集的微调。模型在测试集上达到7.3%的词错误率和2.1%的字符错误率，性能优异。它支持16kHz采样率的语音输入，无需额外语言模型即可直接使用。项目提供了简洁的使用示例，并详细记录了训练过程和评估指标。
codeqai - 精确语义代码搜索和本地聊天，保障数据安全，实时追踪代码变更
Githubcodeqaigit同步开源项目本地嵌入流树集成语义代码搜索
CodeQAI 提供语义代码搜索和命令行界面（CLI）聊天，确保向量数据库实时同步最新代码变更。100%本地支持，防止数据泄漏。使用 langchain、treesitter、sentence-transformers 和 llama.cpp 等工具构建，兼容多种编程语言，支持开源和远程模型。安装简便，通过 pipx 管理隔离环境，特别适用于需要高效搜索和本地交互代码库的开发者。支持 Python 版本 >=3.9,<3.12。
headless-vector-search - 无头向量搜索解决方案，提升文档检索效率
Edge FunctionsGitHub ActionsGithubHeadless Vector SearchOpenAISupabase开源项目
该项目提供了一种向量搜索功能，旨在提高文档站点的检索效率。作为无头软件，它可以轻松集成到现有网站中。项目通过初始化数据库中的架构，并借助GitHub Action将Markdown文档转换为向量存储。在Supabase和OpenAI技术的支持下，系统处理用户查询并生成类似ChatGPT的响应。配置简单，只需几步即可完成设置。目前已在Supabase官方文档站点得到应用。
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。
openWakeWord - 高效易用的开源语音唤醒词识别库
GithubopenWakeWord唤醒词开源库开源项目模型训练语音识别
openWakeWord是一个开源语音唤醒词库，用于开发语音交互应用和界面。它提供预训练模型，可识别常见词语，适应真实环境。该项目旨在平衡速度、准确性和易用性，采用简单架构，支持高效训练新模型，无需大量手动数据采集。
based - 结合短窗口和线性注意力的高效语言模型架构
BasedGithub召回开源项目效率线性注意力语言模型
Based是一种创新的语言模型架构,结合短窗口注意力和全局线性注意力,实现次二次复杂度的高效依赖建模。该模型在多项基准测试中表现优异,尤其擅长需要长程记忆的任务。项目提供预训练模型、训练评估代码和合成数据实验,展示了其在召回与吞吐量平衡方面的优势。研究人员可利用这些资源深入探索和优化这一新型语言模型架构。
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。
yt-whisper - 使用yt-dlp与OpenAI Whisper生成多语言YouTube字幕
GithubPythonWhisperffmpegyt-dlp字幕生成开源项目
该项目结合yt-dlp与OpenAI的Whisper技术，能够高效生成各种YouTube视频的字幕文件。通过简单的命令行操作，可生成VTT文件，并且默认使用small模型即可实现高质量的英文转录。对于其他语言，可选用更大型的模型来提升识别效果。项目还支持将字幕翻译成英文。运行需要Python 3.7或以上版本以及ffmpeg安装。此项目基于MIT许可证开源，详情请参考项目仓库的使用指南。
NLP-Tutorials - 从搜索引擎到预训练模型的全面教程
GithubNLP开源项目机器学习深度学习神经网络自然语言处理
NLP教程全面介绍多种自然语言处理模型，涉及搜索引擎技术、词汇及句子理解，并深入探讨seq2seq、Transformer、BERT和GPT等先进模型，包括实用的代码示例和理论分析。
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