Project Icon

vad

JavaScript实时语音活动检测开源库

vad是一个开源的JavaScript语音活动检测库,支持浏览器端运行。该项目基于Silero VAD模型和ONNX Runtime,提供麦克风管理、音频录制和语音段识别功能。通过简洁API,开发者可轻松将其集成到Web、Node.js和React应用中,实现实时语音检测和处理。vad为语音交互应用提供了高效且易用的底层支持。

silero-vad - 企业级预训练语音活动检测工具,适用于多种平台
GithubPyTorchSilero VAD声学模型开源项目语音活动检测音频处理
Silero VAD 是一种企业级预训练语音活动检测工具,具备高精确度和快速处理能力。支持多种采样率、体积小巧,适用于 IoT、移动设备和电信应用。通过 PyTorch 和 ONNX 实现高度便携,无需注册或密钥,易于集成和广泛使用。
android-vad - Android语音活动检测库 支持多种实时离线模型
AndroidGithubVAD开源项目机器学习语音活动检测音频处理
Android-vad项目提供语音活动检测库,支持实时音频处理和人声识别。集成了WebRTC、Silero和Yamnet三种VAD模型,分别适用于不同场景。该库可离线运行,适合移动设备上的实时语音检测应用。WebRTC模型轻量快速,Silero模型精度高,Yamnet模型则支持多种音频事件识别。
voice-activity-detection - 基于pyannote.audio的开源语音活动检测模型
GithubHuggingfacepyannote声音分割开源项目模型语音活动检测说话人分类音频处理
该项目提供基于pyannote.audio 2.1的开源语音活动检测模型,可精确识别音频中的语音片段。支持AMI、DIHARD和VoxConverse等数据集,适用于多种应用场景。用户通过简单的Python代码即可调用预训练模型,实现高效的语音检测。这一工具为语音分析和处理提供了可靠基础,适用于学术研究及商业应用。
speech-to-text - 实时音频转录系统,兼容多种格式,具备高级配置
GithubNVIDIA GeForce RTX 3060PythonSilero VADfaster-whisper实时转录开源项目
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。
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。
easy-speech - 跨浏览器语音合成的简单解决方案
Easy SpeechGithubJavaScriptWeb Speech API开源项目语音合成跨浏览器
Easy Speech是一款跨浏览器语音合成库,无需额外依赖。它提供统一API接口和异步操作支持,具备全局及特定语音实例的事件钩子。该项目能自动检测加载可用语音,并解决了多个浏览器特有问题。Easy Speech还包含内部日志功能,支持多种构建目标,并提供在线演示测试浏览器兼容性。它简化了Web Speech API在主流浏览器上的语音合成实现。
react-speech-recognition - React语音识别钩子实现实时语音转文本
GithubReactWeb Speech API开源项目语音识别跨浏览器支持麦克风
react-speech-recognition是一个基于Web Speech API的React钩子,能将麦克风捕获的语音实时转换为文本。它支持语音命令、连续监听和多语言识别,提供简单API控制麦克风和访问转录。为实现更广泛的浏览器兼容性,推荐配合语音识别polyfill使用。
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。
Recorder - 多平台支持的HTML5录音和实时音频处理库
GithubHTML5录音Recorder实时转码开源项目浏览器兼容性音频处理
Recorder是一款跨平台HTML5录音库,支持实时音频处理、格式转换和可视化。兼容大多数现代浏览器及移动设备,适用于语音录制、实时语音识别等场景。支持MP3、WAV等多种音频格式,提供丰富插件和API,便于开发者实现复杂音频处理。除浏览器环境外,Recorder还可用于微信小程序和uni-app等应用中。
whisper-web - 浏览器端实时语音识别技术
GithubTransformers.jsWebGPUWhisper Web开源项目浏览器应用语音识别
Whisper Web是一个基于机器学习的浏览器端语音识别项目。它利用 Transformers.js 技术,在客户端实现实时语音处理,无需服务器支持。该项目提供在线演示和本地部署选项,并正在开发 WebGPU 支持以提高性能。Whisper Web 展示了 Web 技术在语音识别领域的应用潜力,为开发者提供了一个便捷的语音识别解决方案。
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