kaldi

多平台支持的开源语音识别工具包

Kaldi 语音识别开源工具包跨平台 GitHub Github 开源项目

Kaldi是一款先进的开源ASR（自动语音识别）工具包，适用于UNIX、Linux等多种系统。它为语音处理研究和应用开发提供了全面的工具和资源，包括详细文档和示例系统。Kaldi支持多种平台，包括PowerPC、Android和Web Assembly，并拥有活跃的开发者社区，为语音技术的创新和应用提供了强大支持。

访问官网

Github

介绍相关项目

k2 - 高性能自动微分FSA/FST算法库支持语音识别

CUDAGithubPyTorchk2开源项目有限状态自动机语音识别

k2是一个高性能的有限状态自动机(FSA)和有限状态转换器(FST)算法库，旨在与PyTorch和TensorFlow等自动微分工具包无缝集成。该库主要应用于语音识别领域，支持交叉熵、CTC和MMI等多种训练目标的融合，并能优化多阶段解码系统。k2基于C++和CUDA实现，提供高效并行计算，并与PyTorch深度集成，为语音识别技术的进一步发展提供了灵活而强大的框架。

botium-speech-processing - 提供一站式免费开源语音识别与合成解决方案

Botium Speech ProcessingDockerGithub开源开源项目语音合成语音识别

Botium Speech Processing 提供统一的开发者友好型API，集成了免费的语音识别和语音合成服务。使用 Kaldi 进行语音识别，MaryTTS 实现语音合成，SoX 处理音频文件。适用于创建视频教程音轨、构建语音聊天机器人、音频转录分类及自动化语音服务测试。易于通过 Docker 部署，并支持多种云服务，确保高性能和安全性。

PaddleSpeech - 全面的开源语音处理工具集，涵盖语音识别、语音合成、说话人验证等多项功能

GithubPaddleSpeech声纹识别开源项目文本转语音热门语音合成语音识别

PaddleSpeech是基于PaddlePaddle平台的开源语音处理工具集，覆盖自动语音识别、文本转语音合成、说话人确认及声音分类等多项功能，提供易于使用、高效和灵活的模型，支持各类语音相关任务。工具集包含全流程服务，支持流式识别与合成系统，为研究和工业应用提供强大支持。

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。

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。

RealtimeSTT - 实时语音转文本库适用于低延迟应用

GithubRealtimeSTT唤醒词实时转录开源项目语音助手语音转文本

RealtimeSTT是一个为实时应用设计的语音转文本库。它集成了语音活动检测、实时转录和唤醒词激活等功能，适合开发语音助手和需要快速精确语音转文本的应用。该库采用WebRTCVAD和SileroVAD进行语音检测，Faster_Whisper执行转录，Porcupine或OpenWakeWord负责唤醒词检测，体现了当前语音识别技术的先进水平。

RHVoice - 免费开源多语言语音合成工具，支持Windows、Linux和Android

GithubRHVoice多语言支持开源开源项目语音合成跨平台

RHVoice是一款免费开源的语音合成软件，支持英语、俄语、葡萄牙语等多种语言。利用先进的统计参数合成技术，基于开源语音技术，提供清晰可懂的语音输出。该软件不仅支持Windows、GNU/Linux，Android平台，还兼容SAPI5和其他文本到语音接口，适合视障人士阅读使用。

OpenVoice - 全面掌握多语种声音克隆技术：OpenVoice提供高精度与灵活性

GithubOpenVoice商业使用多语言支持开源项目热门语音克隆音频质量

OpenVoice是一款革命性的语音克隆工具，提供准确的音色复制和灵活的声音风格控制，支持多种语言和口音。V2版本进一步强化了音质，并增设了多种母语级支持，包括英语、西班牙语、法语、中文、日语和韩语，并从2024年4月起免费提供商业使用。OpenVoice已广泛应用于即时语音克隆功能，并在全球范围内持续扩展用户群体。

WhisperSpeech - 多语言支持的开源文本转语音系统，功能强大并易于定制

GithubWhisperSpeech多语言支持开源模型开源项目文本转语音语音克隆

WhisperSpeech是基于开源Whisper框架开发的文本至语音系统，提供了商业级安全的语音合成解决方案。当前支持英语LibreLight数据集，并计划拓展到多语言支持。用户可通过在线Colab平台体验其高效的语音合成和声音克隆功能。

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。

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