Project Icon

distil-whisper

快速高效的音频转录模型

Distil-Whisper是OpenAI Whisper模型的蒸馏版本,速度提升6倍,模型规模缩小49%,同时保持了相近的准确性。该项目支持短语音和长语音转录,提供多个针对英语语音识别的高效模型。Distil-Whisper还可作为Whisper的辅助模型实现推测解码,在保证输出一致性的同时将速度提升2倍。

vibe - 离线音视频转录,多语言支持和多格式输出
GithubOpenAI WhisperVibe开源项目批量转录隐私音频转录
Vibe利用开源工具OpenAI Whisper进行离线音视频转录,支持几乎所有语言,保证数据隐私。软件界面友好,支持多种文件格式如SRT、VTT、TXT、HTML、PDF和JSON。Vibe还具备批量转录、多语言翻译和实时预览等功能,适用于Windows、Linux和macOS系统。优化了对CPU和GPU的支持,兼容Nvidia和AMD GPU。用户可以通过命令行接口进行操作,并提供HTTP API文档。其他功能包括系统音频转录、麦克风转录、说话人分割,未来还将支持iOS和Android。
superwhisper - 智能语音转文本,为macOS用户打造的私密转录工具
AI工具DockerGPT-4 TurboKubernetesPostgreSQLSaaS
SuperWhisper为macOS用户提供智能语音转文本服务。支持离线使用,确保数据私密性。适用于会议记录、笔记整理等场景,快速将语音转换为文字。采用先进语音识别技术,结合本地处理能力,实现高效、准确的转录。这款工具为macOS用户带来安全、便捷的语音转文本解决方案。
DeepSpeech - 开源的深度学习语音识别引擎
GithubProject DeepSpeechTensorFlow开源开源项目机器学习语音识别
DeepSpeech是一个开源语音转文字引擎,基于百度的Deep Speech研究,并利用Google TensorFlow实现。提供详细的安装、使用和训练模型文档。最新版本及预训练模型可在GitHub获取,支持和贡献指南请参阅相应文件。
whisper_android - 介绍在Android应用中如何集成Whisper和Recorder类,进行高效的音频录制和语音识别的指南
GithubRecorderTF LiteWhisper开源项目离线识别语音识别
介绍在Android应用中如何集成Whisper和Recorder类,进行高效的音频录制和语音识别。指南提供了Whisper模型的初始化、配置和转录操作的代码片段,以及Recorder的配置和录音功能。集成过程中需注意权限、错误处理和文件路径管理,以确保应用的平稳运行。使用Whisper ASR提升应用的语音识别功能,为用户提供流畅的体验。
WhisperIt - 语音转文字与AI结合的智能写作工具
AI写作AI工具WhisperIt生产力工具语音转文字隐私保护
WhisperIt结合语音听写和人工智能技术,旨在提高写作效率。该工具具备实时语音转文字功能,并通过AI进行上下文编辑和格式化。支持多种AI模型集成,包括自托管选项,确保数据隐私和安全。WhisperIt提供智能自动完成和多格式导出等功能,适合个人和企业用户使用。作为一款注重隐私和效率的现代写作工具,WhisperIt致力于简化文档创建和编辑流程。
whisper-vits-svc - 基于VITS的端到端歌声转换开源项目
AIGithubPyTorchVITS开源项目深度学习语音转换
whisper-vits-svc是一个开源的端到端歌声转换项目,基于VITS模型架构。该项目支持多说话人转换,可混合创建新音色,并能处理带轻伴奏的声音。它集成了Whisper、BigVGAN等技术,提高了抗噪性和音质。项目面向深度学习入门者,需要Python和PyTorch基础。目前不支持实时转换,训练需要至少6GB显存。
Shush - WhisperV3模型的全栈语音转文本应用演示
GithubModalNextJSShushWhisperV3开源项目音频转录
Shush是一个开源项目,展示了如何在Modal平台上部署WhisperV3语音识别模型,并通过NextJS应用程序实现交互。该项目集成了Next.js前端和Modal后端,演示了高性能模型运行、可靠API构建和自动扩展功能。开发者可以通过此项目学习如何快速部署AI模型后端,并构建响应式前端应用,实现高效的语音转文本功能。
transcribe - 多语言实时转录和对话生成的开源工具
GithubOpenAITranscribe多语言支持安全功能实时转录开源项目
这个开源项目提供多语言实时转录,通过选择OpenAI GPT-4o、GPT-4、GPT-3.5等模型生成对话响应。软件具有最新的OpenAI库支持,无需Python依赖即可安装使用,并提供高安全性功能。支持麦克风和扬声器输入转换,用户可以定制提示、保存聊天记录,并可享受离线免费和在线付费的语音到文本转换服务。该工具在有GPU支持时性能最佳,并提供详细的安装指南和用户支持。
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。
faster-whisper-GUI - 多功能GUI软件,支持语音识别与文件转录
GithubPySide6faster-whisper-GUIwhisperX开源项目模型下载音频转写
faster-whisper-GUI,一个带有PySide6技术的GUI软件,支持whisperX、Demucs等音频处理模型。用户可以从软件中下载、转换模型,设置VAD与whisper模型参数,支持多种文件格式转录。软件界面可多语言操作,并严格遵守法律法规。
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