Project Icon

sherpa-ncnn

轻量级多平台实时语音识别工具

sherpa-ncnn 是一个开源的实时语音识别项目,支持 Linux、macOS、Windows 及嵌入式设备。基于 ncnn 框架开发,无需依赖 PyTorch,具有轻量化和高效性特点。项目提供详细文档、演示视频和 Android 应用开发指南。支持多语言识别和背景噪音处理,适用于各种语音识别应用场景。

MNN - 高效轻量的深度学习框架,支持多设备推理和训练
GithubMNN开源项目推理引擎深度学习框架轻量级高性能
MNN是一个高效轻量的深度学习框架,支持设备上的推理和训练。已被阿里巴巴30多个应用集成,覆盖直播、短视频、搜索推荐等70多种场景。MNN适用于嵌入式设备,支持TensorFlow、Caffe、ONNX等多种模型格式,并优化了ARM和x64 CPU及多种GPU的计算性能。通过MNN Workbench,用户可以下载预训练模型、进行可视化训练并一键部署到设备上。
parakeet-rnnt-1.1b - 高性能英语语音识别模型实现优异音频转文本效果
FastConformerGithubHuggingfaceNeMoTransducer开源项目模型自动语音识别英语语音模型
parakeet-rnnt-1.1b是NVIDIA NeMo和Suno.ai联合开发的英语语音识别模型。基于FastConformer Transducer架构,该模型拥有11亿参数,在64000小时英语语音数据上训练。它能准确将语音转录为小写英文文本,并在多个标准数据集上表现出色。研究人员可通过NeMo工具包使用该模型进行推理或微调,适用于多种语音识别场景。
echogarden - 多功能语音处理工具集支持跨平台使用
EchogardenGithub开源项目文本转语音语音处理语音工具集语音转文本
Echogarden 是一个功能全面的开源语音处理工具集,提供文本转语音、语音识别、语音对齐和翻译等多项功能。该工具集适用于 Windows、macOS 和 Linux 平台,安装和使用简便。Echogarden 采用 TypeScript 开发,通过 WebAssembly 和 ONNX 运行时实现跨平台兼容,无需复杂依赖。目前主要提供命令行界面,支持批量处理,未来计划开发图形界面和交互式工具。
CosyVoice_For_Windows - 多语言语音合成工具 支持零样本和跨语言生成
AI语音CosyVoiceGithub开源项目深度学习自然语言处理语音合成
CosyVoice_For_Windows是一个开源的语音合成项目,支持多语言、零样本和跨语言语音生成。该工具提供SFT、零样本、跨语言和指令推理等多种模式。项目包含Web演示界面,便于快速了解功能。同时还支持高级训练和部署,适用于语音合成的研究和应用开发。
superpowered - 多平台实时低延迟音频SDK及开发工具集
C++音频SDKGithubSuperpowered实时音频处理开源项目移动应用开发跨平台开发
这是一个开源项目,提供跨平台C++音频、网络和加密SDK。主要特点包括低功耗和实时低延迟处理,支持Android、iOS、macOS等多种系统。SDK功能涵盖音频播放、解码、效果器、流媒体等,适用于桌面、移动和嵌入式设备开发。项目还集成了网络通信和加密模块,为开发者提供全面的音频应用开发工具。
snac_24khz - 高效低比特率音频压缩的神经编解码器
GithubHuggingfaceSNAC开源项目模型深度学习神经网络编解码器语音合成音频压缩
SNAC是一种先进的多尺度神经音频编解码器,以0.98 kbps的超低比特率压缩24 kHz音频。它采用分层令牌方法,创新地降低了粗糙令牌的采样频率,扩大时间覆盖范围。该模型主要用于语音合成,但也提供适用于音乐和音效的高采样率版本。SNAC支持单声道音频处理,提供多个预训练模型以满足不同需求,是音频压缩和处理领域的重要工具。
WhisperS2T - 高效多后端语音识别管道 实现快速精准转录
GithubWhisperS2T优化管道多后端支持开源项目语音转文本高速推理
WhisperS2T是一个为Whisper模型优化的开源语音识别管道,提供更快的转录速度。它支持OpenAI原始模型、HuggingFace模型和CTranslate2模型等多种推理引擎。该项目具有集成自定义VAD模型、智能处理音频文件、支持多语言和多任务批处理等特点,并能有效减少幻觉输出。WhisperS2T在保持高准确度的同时大幅提升转录速度,为用户提供高效的语音识别解决方案。
nntrainer - 设备端神经网络训练与个性化框架
GithubNNtrainer个性化嵌入式设备开源项目机器学习神经网络
NNtrainer是专为资源受限的嵌入式设备设计的开源神经网络训练框架。支持k-NN、神经网络和逻辑回归等多种机器学习算法,提供少样本学习、ResNet和VGG等任务示例。通过设备端微调实现模型个性化,高效利用有限资源。NNtrainer独特之处在于支持设备端完整训练流程,而非仅限于推理。这使得它在保护用户数据隐私的同时,能够实现个性化模型优化。框架已在Samsung Galaxy智能手机和Ubuntu PC上验证可用。
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。
deep-speaker - 深度学习语者嵌入系统,适用语者识别与验证
Deep SpeakerGithubKerasTensorflow开源项目神经网络说话人嵌入
本系统利用神经网络将语音映射到超球面,通过余弦相似度计算语音相似度,实现语者识别、验证与聚类。基于TensorFlow和Keras实现,支持多版本,提供可训练和预训练模型。适用于需大规模数据处理和高性能计算的用户,并提供详细的训练与测试指南。
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。

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