Project Icon

speech-to-text

实时音频转录系统,兼容多种格式,具备高级配置

该开源项目使用Silero VAD技术检测静音部分,并结合Faster-Whisper将音频数据转录为文本。支持多种音频格式(如wav、mp3、ogg)和高级设置,如重复惩罚和无重复ngram大小。其HTML界面允许进行详细配置,并能同步显示转录结果,支持CUDA环境运行,兼容最新的Faster-Whisper版本(1.0.3),提升转录速度和准确性。

faster-whisper-medium - CTranslate2优化的Whisper medium模型支持多语言音频处理
CTranslate2GithubHuggingfaceWhisper开源项目机器翻译模型模型转换语音识别
这是OpenAI Whisper medium模型的CTranslate2优化版本,支持100多种语言的音频转录和识别。模型采用float16量化,通过faster-whisper库易于集成。它具有高效的推理速度和较小的内存占用,适合快速、准确处理多语言音频的应用场景。用户可根据需求调整计算类型,平衡性能和资源消耗。该模型为开发者提供了灵活、高效的多语言音频处理解决方案。
StreamSpeech - 在线和实时翻译模型
GithubStreamSpeech多任务学习实时合成开源项目语音翻译语音识别
StreamSpeech通过一个整合的模型,在线和实时翻译中展现行业领先水平,支持多达8种包括语音识别和语音转换任务。提供Web GUI演示,允许用户在浏览器中直接体验。探索StreamSpeech的功能和实例。
faster-whisper-large-v3-turbo-ct2 - 基于Whisper large-v3的多语言语音识别模型
CTranslate2GithubHuggingfaceWhisperfaster-whisper多语言支持开源项目模型语音识别
这是一个基于OpenAI Whisper large-v3模型优化的CTranslate2版本,专注于高效的语音识别。该模型支持100多种语言的转录,兼具准确性和速度。通过faster-whisper库,可以便捷地进行音频转录。模型采用FP16格式存储,计算类型可灵活调整。这为语音识别应用的开发提供了一个强大的工具。
yt-whisper - 使用yt-dlp与OpenAI Whisper生成多语言YouTube字幕
GithubPythonWhisperffmpegyt-dlp字幕生成开源项目
该项目结合yt-dlp与OpenAI的Whisper技术,能够高效生成各种YouTube视频的字幕文件。通过简单的命令行操作,可生成VTT文件,并且默认使用small模型即可实现高质量的英文转录。对于其他语言,可选用更大型的模型来提升识别效果。项目还支持将字幕翻译成英文。运行需要Python 3.7或以上版本以及ffmpeg安装。此项目基于MIT许可证开源,详情请参考项目仓库的使用指南。
whisper-playground - 多语言实时语音转文字程序的快速搭建指南
CondaDiartGithubHugging FacePyannoteWhisper Playground开源项目
借助faster-whisper、Diart和Pyannote,构建支持99种语言的实时语音转文字应用程序。可以通过在线演示版直接体验,并依据清晰的设置指南迅速启动。该项目支持调整多种参数如模型大小、语言选择和转录方法,优化转录体验。项目依赖于Hugging Face Hub上的Pyannote模型,需先接受相应使用条款。提供详细的安装步骤和故障排查指导,方便解决常见问题。
whisper-youtube - Whisper模型用于YouTube视频的多语言转录和语言识别
GithubGoogle ColabOpenAIWhisperYouTube视频转录开源项目语音识别
Whisper模型用于YouTube视频的多语言转录和语言识别。教程涵盖从Google Colab安装库到在Google Drive中保存转录文件的全过程,并提供GPU优化建议,适合需要高效、精准进行视频转录的用户。
whisper-diarization - 基于OpenAI Whisper的音频转录和说话人分离工具
GithubOpenAI WhisperSpeaker Diarization开源项目语音识别说话人分类音频处理
whisper-diarization项目整合了OpenAI Whisper的语音识别技术和先进的说话人分离方法。该工具首先进行人声提取,然后利用Whisper生成转录文本,并通过WhisperX优化时间戳。结合MarbleNet和TitaNet等技术,它能够准确识别多个说话人,最终输出包含说话人标识的精确转录结果。这一开源解决方案特别适合需要处理多人对话音频的场景,为音频转录和分析提供了强大支持。
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。
faster-whisper-large-v1 - CTranslate2模型转换助力高效语音识别
CTranslate2GithubHuggingfaceWhisper large-v1开源开源项目模型模型转换自动语音识别
项目展示如何将openai/whisper-large模型转换为高效的CTranslate2格式,支持多语种语音转录,适合高精度及快速处理场景。
GoWhisper - 跨平台本地音频转录应用 注重隐私保护
AI工具AI转录GoWhisper多语言支持文件格式转换语音转文字
GoWhisper是一款跨平台桌面应用,专注于本地音频转录,确保用户隐私。支持99种语言转录,适合研究人员、播客主持人和内容创作者使用。应用提供多种AI模型、文件格式支持和导出选项,简化转录流程。其功能包括音频播放、录音转录和文本编辑,为用户提供全面的音频处理方案。
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