Project Icon

sherpa

基于PyTorch的开源E2E语音识别框架 支持C++和Python

sherpa是基于PyTorch的开源E2E语音识别框架,专注于转录器和CTC模型。提供C++和Python API,适用于部署预训练模型进行语音转写。此外,sherpa-onnx和sherpa-ncnn等相关项目支持iOS、Android和嵌入式系统,无需依赖PyTorch。用户可通过浏览器直接体验sherpa的语音识别功能。

nnAudio - 基于PyTorch的快速GPU音频处理工具箱
GPUGithubPyTorchnnAudio开源项目音频处理频谱图
nnAudio是一款基于PyTorch的音频处理工具箱,利用卷积神经网络实现实时频谱图生成和傅里叶核心训练。它具备跨平台兼容性、可训练性和可微分性,支持STFT、梅尔频谱、MFCC、CQT等多种音频处理功能。相比传统工具,nnAudio在GPU上提供更高效的音频分析和处理方案。
faster-whisper-tiny - CTranslate2格式Whisper小型模型实现多语言语音识别
CTranslate2GithubHuggingfaceWhisperfaster-whisper开源项目模型自然语言处理语音识别
该项目将OpenAI Whisper小型模型转换为CTranslate2格式,支持100多种语言的语音识别。适用于CTranslate2及其衍生项目如faster-whisper,能高效进行自动语音识别。开发者可通过简单的Python代码实现音频转录,得到包含时间戳的文本段落。模型采用FP16格式存储,可在加载时灵活调整计算类型,为语音识别应用提供了高效且可定制的解决方案。
torchcrepe - PyTorch实现的CREPE音高追踪算法
CREPEGithubPyTorch开源项目深度学习音频处理音高跟踪
torchcrepe是CREPE音高追踪算法的PyTorch实现,提供音高预测、周期性分析和音频嵌入功能。该项目支持多种解码方法、滤波和阈值处理,可用于语音和音乐分析。torchcrepe还包含文件处理和命令行接口,便于进行音高相关的音频处理。
dasp-pytorch - 基于PyTorch的可微分音频信号处理器库
GithubPyTorch信号处理开源项目深度学习神经网络音频处理
dasp-pytorch是一个基于PyTorch的可微分音频信号处理库。它实现了混响、失真、动态范围处理、均衡和立体声处理等功能,可用于虚拟模拟建模、参数估计、自动DSP和风格迁移。该库支持CPU和GPU批处理,有助于加速训练和优化性能。作为开源项目,dasp-pytorch在Apache 2.0许可下可免费用于学术和商业目的。
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。
parrots - 支持多语言的语音识别与语音合成工具套件
GithubParrots多语言支持开源项目自动化语音合成语音识别
Parrots工具套件整合了先进的多语言语音识别与语音合成技术,提供中文、英文及日文支持。其功能强大的ASR与TTS模型旨在为开发者打造快速、高效的语音交互体验。安装简便,适合处理多种语言的语音数据。
whisper-plus - 全面音频处理工具集成语音识别与智能交互
AI模型GithubWhisperPlus开源项目自然语言处理语音转文字
WhisperPlus是一个集成多项功能的开源音频处理工具库。它支持语音转文字、文本摘要和说话人分离等核心功能,并提供YouTube音频下载、多种模型选择以及基于RAG技术的视频内容智能对话能力。此外,WhisperPlus还包含文本转语音和自动字幕生成功能,为开发者提供全面的音频处理解决方案。该项目安装简便,接口灵活,适用于广泛的语音处理应用场景。
overlapped-speech-detection - 开源重叠语音检测工具实现多人同时发言识别
GithubHuggingfacepyannote声纹分割开源项目模型语音识别语音重叠检测音频处理
开源重叠语音检测工具overlapped-speech-detection专注于识别音频中的多人同时发言片段,通过Python API接口快速部署实现。该工具基于神经网络技术,支持多种数据集训练,可应用于会议记录、课堂互动、多人访谈等场景的语音分析。
reverb-asr - 基于大规模人工标注数据的开源语音识别模型
GithubHuggingfaceReverb ASR人工智能开源项目模型自动语音转录语音处理语音识别
这是一个基于20万小时人工标注语音数据训练的开源语音识别系统。采用CTC/attention联合架构,同时支持CPU和GPU部署。系统的特色在于通过verbatimicity参数实现对转录详细程度的精确控制,可输出从简洁到完整逐字的多种转录风格。支持attention、CTC等多种解码方式,适合不同应用场景。
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