Project Icon

WhisperS2T

高效多后端语音识别管道 实现快速精准转录

WhisperS2T是一个为Whisper模型优化的开源语音识别管道,提供更快的转录速度。它支持OpenAI原始模型、HuggingFace模型和CTranslate2模型等多种推理引擎。该项目具有集成自定义VAD模型、智能处理音频文件、支持多语言和多任务批处理等特点,并能有效减少幻觉输出。WhisperS2T在保持高准确度的同时大幅提升转录速度,为用户提供高效的语音识别解决方案。

Whisper-TikTok - 智能化TikTok视频自动生成工具
AI视频生成GithubWhisper-TikTok开源项目文字转语音自动字幕语音转文字
Whisper-TikTok是一个开源项目,集成了Edge TTS、OpenAI-Whisper和FFMPEG技术,用于自动生成TikTok视频。该工具可以从音频文件生成转录,使用Microsoft Edge Cloud TTS API添加配音,并支持自定义背景视频和字幕样式。项目提供Web应用和命令行界面,方便用户创建TikTok内容。Whisper-TikTok为内容创作者提供了自动化视频生成的解决方案。
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。
Whisperboard - 提供的语音转录服务的开源iOS应用
GithubOpenAIWhisperBoardiOS开源项目灵活模型语音转录
WhisperBoard是一款开源iOS应用,基于OpenAI的Whisper模型,为用户提供高质量的语音转录服务。用户可通过简单操作开始录音,并进行高级语音转录。此应用支持音频文件的导入与导出,并可灵活选择录音麦克风,以确保最佳音质。用户还可以在应用中浏览和下载不同的Whisper模型,以满足不同需求。未来功能包括实时转录和可恢复转录进程。
distil-small.en - 轻量快速的英语语音识别模型,保持高准确率
Distil-WhisperGithubHuggingfaceTransformers开源项目模型模型压缩语音识别高性能
distil-small.en是Whisper模型的轻量化版本,参数量为166M。相比原始模型,速度提升6倍,体积减少49%,在外部数据集上的识别准确率仅降低1%。支持短长音频转录,可通过Transformers等多种框架使用。适合资源受限场景,采用编码器-解码器架构,通过精简解码器提升推理效率。
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。
stable-ts - Whisper语音转录时间戳优化和功能扩展工具
GithubWhisper开源项目时间戳稳定性语音识别转录
stable-ts是一个开源的Whisper语音转录优化工具。它通过改进时间戳生成算法,提高了转录结果的时间精确度。该工具扩展了Whisper的功能,增加了语音分离、降噪和时间戳调整等特性。stable-ts支持多种输出格式,并提供API和命令行接口,使语音转录更加稳定和高效。
tiny-random-whisper - 轻量级随机耳语模型为语音识别提供高效解决方案
Apache 2.0GithubHuggingface代码共享开源许可开源项目模型知识产权软件协议
tiny-random-whisper是一个轻量级随机耳语模型,用于语音识别。该项目采用随机化技术,在保持小型模型体积的同时实现良好的识别性能。适用于资源受限设备和快速部署场景,为开发者提供灵活的语音识别工具。
StableTTS - 轻量级流匹配和DiT驱动的新一代TTS模型
GithubStableTTSTTS模型人工智能开源项目语音合成
StableTTS是一款开源的轻量级中英文语音合成模型,参数量仅为1000万。该项目创新性地结合了流匹配和扩散卷积Transformer技术,灵感源自Stable Diffusion 3。StableTTS提供预训练模型,支持推理、微调和WebUI应用。其独特的模型架构包含扩散卷积Transformer块和流匹配解码器,旨在提升语音合成质量。项目还提供了便捷的训练和推理工具,以及Hugging Face在线演示平台。
vits2 - 单阶段文本转语音系统的效率与质量提升
GithubSK TelecomVITS2单阶段模型开源项目文本到语音自然语言处理
VITS2项目融合了对抗学习与结构设计,在单阶段文本转语音技术上实现了显著的质量与效率提升。此模型通过结构和训练机制的优化,增强了语音的自然感和多讲者语音特征的匹配度,并提高了训练及推理速度。VITS2的创新技术显著降低了对音素转换的依赖,支持了完整的端到端处理。
WhisperKit - Swift语音识别框架实现Apple设备本地推理
Apple设备CoreMLGithubSwiftWhisperKit开源项目语音识别
WhisperKit是一个集成OpenAI Whisper模型和Apple CoreML框架的Swift语音识别包。该框架支持Apple设备上的本地推理,具有自动选择适用模型、自定义模型部署等功能。WhisperKit提供音频转录API和命令行工具,便于开发者使用和测试。作为开源项目,WhisperKit欢迎社区贡献,不断优化其性能和功能。
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。

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