ASR / 音声認識 (368 repos)

whisper.cppは、OpenAIの高性能な音声認識モデルWhisperをC/C++で軽量に実装したライブラリです。依存関係を最小限に…

Voiceboxは、ElevenLabsやWisprFlowの機能を統合した、オープンソースのAI音声スタジオです。数秒の音声サンプルから…

Handyは、完全にオフラインで動作する無料のオープンソース音声認識デスクトップアプリケーションです。プライバシー…

llamafileは、大規模言語モデル（LLM）を単一の実行可能ファイルとして配布・実行できる革新的なツールです。llama.c…

「SYSTRAN/faster-whisper」は、OpenAIのWhisperモデルをCTranslate2で再実装した高速音声転写ツールです。オリジナ…

WhisperXは、OpenAIのWhisperモデルを基盤とした、単語レベルの正確なタイムスタンプと話者分離（Diarization）機能…

Buzzは、OpenAIのWhisperを搭載し、個人用コンピューター上で音声の文字起こしと翻訳をオフラインで実行できる高機能…

Screenpipeは、AIにユーザーのデジタル体験を学習させるためのオープンソースツールです。PC上でのあらゆる活動（画…

FunASRは、エンドツーエンドの音声認識に特化した、研究者と開発者向けのツールキットです。音声認識（ASR）、音声活…

pyVideoTransは、動画を多言語に翻訳し、吹き替えと字幕を埋め込むための強力なオープンソースツールです。音声認識…

Leonは、ツール、コンテキスト、メモリ、エージェント実行を中心に構築されたオープンソースの個人AIアシスタントで…

Kaldiは、音声認識技術の開発と研究のための包括的なオープンソースツールキットです。UNIX系OS、Windows、Linuxとい…

Voskは、20以上の言語と方言（日本語含む）に対応したオフライン・オープンソースの音声認識ツールキットです。50MB…

NVIDIA Deep Learning Examplesは、NVIDIA Volta、Turing、Ampere GPU上でNVIDIA CUDA-Xソフトウェアスタックを用い…

sherpa-onnxは、次世代Kaldiとonnxruntimeを基盤とし、インターネット接続なしで動作する多機能なオフライン音声処理…

Meetilyは、プライバシーを最優先したAI会議アシスタントです。Parakeet/Whisperによる高速なライブ文字起こし、話者…

「Deep Learning Drizzle」は、ディープラーニング、強化学習、機械学習、コンピュータビジョン、自然言語処理といっ…

PaddleSpeechは、PaddlePaddleプラットフォーム上で動作するオープンソースの音声処理ツールキットです。自己教師あ…

SpeechBrainは、PyTorchを基盤としたオープンソースのツールキットで、会話型AI（音声アシスタント、チャットボット…

RTranslatorは、Androidデバイス向けに設計されたほぼオープンソースの無料リアルタイム翻訳アプリです。このアプリ…

RealtimeSTTは、音声アクティビティ検出、高速な文字起こし、リアルタイムテキスト更新、ウェイクワード機能を備えた…

ESPnetは、音声認識、音声合成、音声翻訳など、様々なエンドツーエンドの音声処理タスクに対応する包括的なツールキ…

Xorbits Inference (Xinference) は、言語、音声認識、マルチモーダルモデルの提供を容易にする強力で多機能なライブ…

このPythonライブラリ「SpeechRecognition」は、多様なオンラインおよびオフラインの音声認識エンジンとAPIに対応し…