Logo
Project Icon

whisper-timestamped

多语言语音识别工具，支持单词时间戳和置信度评分

whisper-timestamped语音识别OpenAI时间戳信心评分Github开源项目

whisper-timestamped 是一个增强型多语言语音识别工具，基于 OpenAI 的 Whisper 模型，通过动态时间规整(DTW)技术预测单词时间戳，并附带置信度评分。该扩展兼容所有 Whisper 版本，优化内存使用，适用于处理长音频文件。此外，还支持在运行 Whisper 模型前进行语音活动检测(VAD)，有效降低训练数据中的误差。whisper-timestamped 可提高识别准确度，尤其适用于包含语音卡顿或填充词的情景。

访问官网访问官网GithubGithubHuggingfaceHuggingface
介绍相关项目
speech-to-text-benchmark - 开源语音识别基准测试框架对比多家主流引擎
Github基准测试开源项目模型大小计算效率识别准确率语音转文本
该项目提供了一个开源的语音识别基准测试框架，对比了Amazon、Azure、Google等主流云服务以及OpenAI Whisper、Picovoice等引擎的性能。框架使用LibriSpeech、TED-LIUM和Common Voice数据集，评估词错率、计算效率和模型大小等指标。测试结果客观展示了各引擎在准确度和资源消耗方面的表现，为选择语音识别解决方案提供了参考依据。
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。
Whisper-WebUI - 多功能字幕生成和翻译工具，支持多种Whisper实现
GithubGradioWhisper-WebUI字幕生成器开源项目翻译语音转文字
Whisper-WebUI是基于Gradio的浏览器界面，支持从文件、YouTube和麦克风生成字幕，并提供多语言翻译。用户可以选择不同的Whisper实现，如openai/whisper、faster-whisper和insanely-fast-whisper，支持SRT、WebVTT、txt等多种字幕格式。功能包括语音转文字翻译、音频预处理（Silero VAD）和说话人分离（pyannote）。提供详细的安装指南与自动安装脚本，并且兼容Docker运行，提升VRAM利用率和转录速度。
whisper-website - 通过Whisper模型实现本地语音转文字
DockerGithubWhisper开源项目本地部署虚拟环境语音转文字
本页面介绍了如何通过Whisper模型将语音转换为文字，包括在本地环境和Docker中的部署方法。提供克隆项目代码、配置虚拟环境或Docker镜像的详细步骤，帮助用户快速启动和测试Whisper模型在本地的运行效果。
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-turbo - 基于WebGPU的浏览器端语音转文字引擎
GithubWebGPUWhisper Turbo开源项目浏览器语音识别跨平台
Whisper Turbo是一个基于WebGPU技术的开源语音识别项目，专门为浏览器和Electron应用设计。这款跨平台工具能在客户端高效执行语音转文字任务，目前支持Windows和MacOS上的Chromium浏览器。项目提供在线演示和详细文档，其核心由Rust编写的Ratchet库提供支持，确保了卓越的性能表现。
WAAS - OpenAI Whisper驱动的在线音频转录服务
AI工具APIGUIOpenAI WhisperWaaS语音转文字
WAAS是基于OpenAI Whisper技术的音频转录服务平台。它提供图形界面和API接口,支持音频和视频文件转录。转录结果可通过电子邮件获取,包括Jojo、SRT和纯文本格式。平台集成了在线编辑器,方便直接修正转录内容。WAAS支持多种转录模型和语言,具备队列管理和webhook回调功能,是一个全面的音频转录解决方案。
Whisperback - 多语言有声书和播客AI翻译服务
AI工具多语言文本转语音语音助手语音合成语音技术
这款AI翻译工具专注于有声书和播客的多语种转换。通过50多种语音选项和精准的语音合成技术，实现全球主要语言和方言的高质量、本地化音频翻译。平台致力于消除语言障碍，使全球用户能够便捷地享受多语种有声内容。支持英语、法语、德语、西班牙语等主要语言，精准捕捉口音和地域特色，提供专业的AI驱动翻译体验。
StarWhisper - 语言、时序与多模态框架
GithubStarWhisper人工智能司天工程大模型天文学开源项目
StarWhisper项目由国家天文台人工智能工作组支持，涵盖语言模型、时序模型和多模态模型。通过改进训练方法，该项目提升了天文物理、代码与Agent能力，并发布了基于大模型的光变曲线数据处理方法。项目还实现了多模态多任务框架与望远镜控制系统的对接，探索了多模态在天文学领域的应用可能。
RealtimeSTT_LLM_TTS - 整合语音识别与AI对话的开源项目
GPU支持GithubRealtimeSTT唤醒词实时转录开源项目语音转文字
该项目集成语音识别、AI对话和语音合成,支持GPU加速以实现低延迟交互。具备语音检测、实时转录和唤醒词等功能,可用于开发语音助手和AI对话应用。Web界面支持个性化配置,适合快速构建语音交互系统。
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