Project Icon

WhisperFusion

WhisperFusion 低延迟高性能的实时AI语音交互系统

WhisperFusion是一个开源项目,结合WhisperLive和WhisperSpeech技术,集成Mistral大语言模型,实现实时语音转文本和智能对话。项目采用TensorRT引擎优化模型性能,使用torch.compile加速处理,在RTX 4090 GPU上实现低延迟对话。通过Docker Compose简化部署,方便开发者快速搭建AI语音交互系统。

aura-voice - 智能低延迟语音助手
AuraEleven Labs TTSGPT-4oGithubVercel Edge FunctionsWhisper Speech Recognition开源项目
Aura是一款高效的智能语音助手,专为低延迟响应优化。结合Vercel Edge Functions、Whisper语音识别、GPT-4o和Eleven Labs TTS流媒体技术,提供流畅的用户体验。用户可以在浏览器中享受类似Siri的功能,并克服了网页语音助手的延迟问题。适合需要构建个人语音助手的用户,支持完整的安装和使用指南,同时提供减少延迟和提升用户体验的方法。
whisper-medium-fleurs-lang-id - Whisper Medium微调模型实现多语言音频识别
FLEURS数据集GithubHuggingfaceWhisper开源项目模型模型微调语言识别语音识别
该模型是对openai/whisper-medium在FLEURS数据集上进行微调的版本,专注于多语言识别任务。经过3轮训练后,模型在评估集上实现了88.05%的准确率。采用Adam优化器和线性学习率调度器,模型性能得到显著提升。这一成果为音频语言识别应用提供了有力工具,可应用于多语种环境下的语音分析和处理。这一模型在多语言环境下的语音转写、实时翻译等领域具有广阔应用前景。相比原始Whisper Medium模型,该微调版本在特定语言识别任务上表现更为出色,为跨语言交流和音频内容分析提供了更精准的工具支持。
whisper-obsidian-plugin - Obsidian语音转文字插件,轻松创建笔记
APIGithubObsidian插件OpenAIWhisper开源项目语音转文字
Whisper-obsidian-plugin是一个集成OpenAI Whisper技术的Obsidian插件,可将语音快速转换为文字笔记。该插件支持实时录音和音频文件上传,通过快捷键和命令面板操作。它具有灵活的设置选项,支持多语言识别,允许自定义文件保存路径。这个插件为Obsidian用户提供了一种新的高效笔记创建方式。
faster-whisper-base.en - 基于CTranslate2的Whisper英语语音识别模型
CTranslate2GithubHuggingfaceWhisperfaster-whisper开源项目模型模型转换语音识别
faster-whisper-base.en是OpenAI Whisper base.en模型的CTranslate2格式转换版本,专为英语语音识别优化。该模型利用CTranslate2框架提高处理速度,支持FP16量化以适应不同计算环境。开发者可通过faster-whisper等项目简单实现音频转录,为语音识别应用提供高效解决方案。模型采用MIT许可证,便于在各类项目中应用。该模型特别适用于需要实时处理或资源受限的环境,如移动设备或边缘计算设备上的语音识别应用。相比原始Whisper模型,faster-whisper-base.en在保持识别准确度的同时,显著提高了处理速度和资源利用效率。
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。
distil-large-v2 - 高效精简的Whisper语音识别模型
Distil-WhisperGithubHuggingfaceTransformers开源项目模型模型压缩自动语音识别语音识别
distil-large-v2是Whisper语音识别模型的蒸馏版本,推理速度提高6倍,模型体积减少49%,性能接近原始模型。采用编码器-解码器架构,通过精简解码器层数实现加速。支持英语短音频和长音频转录,可作为Whisper辅助模型进行推测解码。基于多个开源数据集训练,适用广泛语音识别场景。
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。
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。
auto-subs - Davinci Resolve用户的高精度字幕生成和翻译工具
Davinci ResolveGithubOpenAI WhisperStable-TS字幕生成开源项目跨平台
使用OpenAI Whisper和Stable-TS技术进行高精度转录,生成自定义风格的字幕。此工具完全免费并在Davinci Resolve中本地运行,兼容Mac、Linux和Windows系统,支持免费版和Studio版。通过字幕导航器可快速跳转时间线位置,新功能包括将任意语言翻译成英文。提供详细教程与手动设置指南,帮助用户轻松上手。
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