Project Icon

pyannote-whisper

整合Whisper和pyannote.audio的语音识别与说话人分割工具

pyannote-whisper整合了Whisper的自动语音识别和pyannote.audio的说话人分割功能。该工具提供命令行和Python接口,支持多种音频格式的转录和分析。它能生成带时间戳和说话人标识的文本,适用于会议记录和多人访谈分析。pyannote-whisper还可与ChatGPT集成,实现会议总结和观点提取,为语音内容分析提供完整解决方案。

speaker-diarization - 高效实时的开源语音说话人分割系统
GithubHuggingfacepyannote开源项目机器学习模型语音识别说话人分离音频处理
pyannote/speaker-diarization是一个高效的开源说话人分割系统,支持指定说话人数量等高级功能。该系统在多个基准数据集上实现较低的分割错误率,无需人工调整。其实时因子约为2.5%,可快速处理大量音频。项目还提供详细的技术报告和适配指南,方便用户根据需求进行调整。
speaker-diarization-3.1 - 提升语音处理的开源说话人分区技术
GithubHuggingfacepyannote开源项目模型深度学习语音识别说话人分离音频处理
该开源语音分区模型应用了纯PyTorch,替换了存在问题的onnxruntime,以简化部署流程并可能提高推断效率。此工具接受16kHz的单声道音频输入,能够自动混合多声道音频为单声道,并支持音频的自动重采样。其高效性能允许在CPU或GPU上运行,同时支持从内存加载音频以加快处理速度。
whisper-large-v3 - 突破性多语言语音识别与翻译模型
GithubHuggingfaceOpenAIWhisper多语言开源项目模型语音翻译语音识别
Whisper large-v3是OpenAI开发的新一代语音识别和翻译模型,支持100多种语言。相比前代模型,它采用128个梅尔频率通道并新增粤语语言标记,将各语言错误率降低10-20%。模型可用于语音转录和翻译任务,易于集成应用。Whisper large-v3展现出卓越的泛化能力,为语音识别技术带来重大进展。
whisper.unity - 本地语音识别与多语言翻译工具
ASRGithubOpenAIUnitywhisper.cppwhisper.unity开源项目
whisper.unity项目为Unity3d提供了whisper.cpp的绑定,支持在本地运行OpenAI Whisper自动语音识别模型。具备约60种语言支持、多语言翻译和多种模型尺寸选择,可在Windows、MacOS、Linux、iOS和Android等平台上高效运行,且无需互联网连接。项目完全开源,支持商业用途,并支持CUDA和Metal加速。
decipher - 自动生成视频字幕
AI生成字幕DecipherGithubOpenAIwhisper开源项目视频转录
Decipher利用OpenAI的Whisper技术,通过自动转录生成视频字幕,消除手动转录的繁琐过程。支持Google Colab和手动安装,提供易用性和高鲁棒性。Whisper基于68万小时的多语言数据训练,能够处理多种口音和背景噪音,适用于技术语言。Decipher通过GUI和命令行界面,简化字幕添加流程,提升视频的可访问性。
WhisperWizard - macOS智能语音转文字工具 提升写作效率
AI工具AI转录WhisperWizardmacOS应用自定义模板语音转文字
WhisperWizard是专为macOS设计的智能语音转文字工具,利用ChatGPT将口述内容转换为优质书面文字。适用于邮件、文档等多种场景,减少打字错误,节省时间。支持自定义模板,实现例行任务快速处理。提供历史录音快速检索,方便回顾和使用过往内容。这款工具旨在提高写作效率,为macOS用户提供智能语音转文字解决方案。
whisper-node - 提升本地转录性能的Node.js绑定
GithubJSONNode.jsOpenAIwhisper-node开源项目转录
Whisper-node是OpenAI Whisper的Node.js绑定,支持本地转录,输出格式包括JSON、.txt、.srt和.vtt。该项目经过CPU优化,支持Apple Silicon ARM,并提供单词级精度的时间戳。通过npm可快速安装,并可选下载模型。未来将增加浏览器兼容性、语言检测和说话者识别等新功能。
faster-whisper-small - 优化的Whisper小型模型实现快速多语言语音转文本
CTranslate2GithubHuggingfaceWhisper开源项目模型模型转换自然语言处理语音识别
faster-whisper-small是OpenAI Whisper小型模型的优化版本,适用于CTranslate2框架。这个模型支持90多种语言的自动语音识别,采用float16量化以提高效率。开发者可通过faster-whisper库轻松集成该模型,适用于多种语音转文本场景。模型具有快速处理能力和广泛的语言覆盖范围,为自动语音识别任务提供了实用的解决方案。
whisper-jax - 速度提升70倍的Whisper JAX音频转录与翻译解决方案
GithubWhisper JAX并行处理开源项目性能模型音频转录
Whisper JAX是基于Hugging Face Transformers实现的音频转录与翻译模型,通过JAX代码优化实现70倍速度提升,兼容CPU、GPU和TPU。模型能在Hugging Face Hub演示,并提供详细的安装、使用和高级配置指南,助力开发者在多种环境下高效部署。
whispering-ui - 多功能实时语音处理开源应用
AI模型GithubWhispering Tiger UI实时翻译开源工具开源项目语音转写
Whispering Tiger UI是一个开源项目,提供原生用户界面来控制Whispering Tiger应用。它能够处理实时音频流和游戏画面,进行转录和翻译,并通过WebSocket或OSC将结果输出到浏览器或VRChat。核心功能涵盖语音转文字、文本翻译、文字转语音和图像识别。该工具支持插件扩展,界面友好,适合不同经验水平的用户使用。
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