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
whisper-hindi-medium - 客户端优化印地语ASR模型
GithubHuggingfaceWhisper Hindi Mediumwhisper-finetune开源项目模型自动语音识别训练数据语料库
该项目优化了Whisper模型，以提高印地语的语音识别准确性。经过多种公开ASR数据集的训练与评估，实现了最低WER为6.82的性能优化。相关代码库在GitHub上提供，支持模型重用和快速推理。
SpeechPulse - 智能语音识别转写与多语言支持系统
AI工具多语言支持实时转录语音识别语音输入隐私保护
SpeechPulse整合了实时语音识别、多语言支持和离线处理功能，为用户提供全面的语音转文字解决方案。系统采用Whisper AI模型，支持自动和手动标点、自动语音输入及按键说话等多种模式。内置AI模板可进行语法校正和文本格式化，同时具备音频文件处理、说话人分离和字幕生成功能。适用于各类应用程序，能够满足日常和专业用户的多样化需求，是一款高效且功能丰富的语音识别工具。
buzz - 离线音频转录与翻译工具，基于OpenAI Whisper技术
BuzzGithubOpenAIWhisper开源项目應用商店热门音频转录
Buzz是一款运行于个人电脑上的离线音频转录与翻译工具，使用OpenAI的Whisper技术，能够高效地转录并翻译音频内容。该应用提供Mac App Store专用版本，具有更清晰的界面和更丰富的功能，如音频回放、拖放导入、转录编辑和搜索等。对于不同操作系统，Buzz提供了简便的安装方式，包括Windows, macOS和Linux。Buzz旨在提供无缝和高效的用户体验，以满足广泛的个人和专业需要。
transcriptionstream - 离线的自托管语音识别服务，支持快速文本搜索
GithubMeilisearchMistralOllamaTranscription Streamwhisper-diarization开源项目
Transcription Stream是一款离线运行的自托管语音识别与多说话者分离服务，支持拖放操作、SSH文件传输、Ollama和Mistral的摘要生成，以及Meilisearch带来的快速全文搜索功能。用户可以通过Web界面或SSH上传、审阅和下载处理后的文件，结果存储在相应的命名和标日期的文件夹中。
fcpx-auto-captions - Final Cut Pro多语言自动字幕生成插件
Final Cut ProGithubOpenAIWhisper Auto Captions开源软件开源项目自动字幕
Whisper Auto Captions是一个开源的Final Cut Pro自动字幕生成插件，基于OpenAI的Whisper模型。该工具支持90多种语言的音频转录，具有实时输出和进度显示功能。它可以直接生成fcpxml文件并发送至Final Cut Pro X，同时支持导出.srt格式字幕文件，兼容Adobe Premiere Pro、DaVinci Resolve和Sony Vegas等主流视频编辑软件。这款免费应用同时支持Apple和Intel芯片的设备，为视频编辑者提供了便捷的多语言字幕生成解决方案。
WhisperAI - AI时代创造力趋势与洞察分享平台
AIAI工具专访创造力洞察趋势
WhisperAI专注于分享AI时代创造力的前沿趋势和洞察。网站提供AI趋势分析、深度报告和专家访谈，帮助创意工作者、技术爱好者和决策者理解AI对创意产业的影响。通过订阅，获取最新AI创新信息，探索人工智能带来的机遇与挑战。
SenseVoice - 高效、多语种语音识别与情绪识别技术平台
GithubSenseVoice多语言语音识别开源项目情绪识别推理效率热门音频事件检测
SenseVoice是一款支持多语言的语音解析模型，整合了自动语音识别、语种识别、情绪识别及音频事件检测功能。该项目采用非自回归端到端框架，可在超过50种语言上提供精准的语音识别服务，大幅降低了推理延迟，提供方便的微调脚本和多语种细粒度情绪分析，支持多种客户端语言和服务部署，适用于多种商业场景。
supertranslate - AI视频自动英语字幕生成工具
AI工具OpenAI Whisper字幕生成自动化视频语音转文字
supertranslate利用OpenAI Whisper技术，为多语言视频自动生成高质量英语字幕。其直观的编辑界面支持字幕分割、合并和时间码调整。工具提供免费试用，无需信用卡，随时可取消，适合视频创作者和内容团队使用。
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。
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。
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