语音识别

speechbrain 开源

一站式 PyTorch 语音工具箱，快速搞定识别、说话人验证等任务

SpeechBrain 是一个基于 PyTorch 的开源语音工具包，旨在为语音识别、说话人识别、语音增强、语音分···

TensorFlowASR 开源

用 TF2 快速训练和部署端到端语音识别模型

TensorFlowASR 是一个基于 TensorFlow 2 的开源端到端语音识别工具箱，目标是在 TensorFlow 生态中···

leopard 开源

本地离线把语音转成文字，不联网也能用

Leopard 是 Picovoice 推出的端侧语音转文字引擎，基于深度学习实现完全离线的自动语音识别。它解决···

athena 开源

用 C++ 打造端到端语音识别与合成引擎

Athena 是一个基于序列到序列（seq2seq）架构的开源语音处理引擎，专注于语音识别（ASR）和语音合成···

botium-speech-processing 开源

让语音应用自动化测试像聊天测试一样简单，打通STT/TTS全链路

Botium Speech Processing 是一个用于语音处理测试的开源工具集，隶属于 Botium 测试框架生态。它主···

yandex-speechkit-lib-python 开源

几行代码接入 Yandex 语音识别与合成，快速构建语音应用

这是一个用于调用 Yandex Speechkit API 的 Python SDK，帮助开发者快速集成 Yandex 云平台的语音识···

speech_to_text 开源

Flutter 里几行代码接入系统语音转文字

speech_to_text 是一个 Flutter 插件，把 iOS、Android、macOS 和 Web 等平台自带的语音识别能力封···

vosk-api 开源

离线语音识别，不用联网，隐私安全，本地秒转文字

vosk-api 是一个离线语音识别 API，支持 Android、iOS、Raspberry Pi 和服务器端，提供 Python、Ja···

esp-sr 开源

让 ESP32 离线听懂人话，不联网也能语音控制

esp-sr 是乐鑫为 ESP32 系列芯片打造的离线语音识别与语音交互框架，用 C 语言编写，运行在资源受限···

OBS-captions-plugin 开源

OBS 直播自动生成实时字幕，静音观众也能看懂

OBS-captions-plugin 是给 OBS Studio 用的实时字幕插件，通过 Google 语音识别把麦克风或桌面音频···

web-voice-processor 开源

浏览器麦克风音频一键转 16kHz PCM，直喂语音识别

web-voice-processor 是一个面向浏览器端的实时语音处理库，用 TypeScript 编写。它解决的核心问题···

OSSSpeechKit 开源

几行 Swift 代码，让 iOS 应用轻松拥有语音识别与合成能力。

OSSSpeechKit 是一个面向 iOS 开发者的原生语音工具包，基于 AVFoundation 和 Apple 的 Speech 框架···

Speech-and-Text 开源

一键集成多引擎，轻松实现语音转文字与文字转语音

这是一个用Python实现的语音与文本双向转换工具集，集成了多种主流语音识别引擎（PocketSphinx离线···

kaldi-active-grammar 开源

解码中随时切换语法，让语音命令和听写自由混用

kaldi-active-grammar 是一个基于 Kaldi 的 Python 语音识别封装，核心创新在于支持在解码过程中动···

TranscriberBot 开源

把 Telegram 语音秒变文字，会议记录不用愁

TranscriberBot 是一个基于 Python 的 Telegram 对话助手，专门用于将语音消息转录为文本。它解决了···

awesome-diarization 开源

一站式找全说话人日志论文、代码和数据集，快速上手

这是一个精选的说话人日志（Speaker Diarization）资源列表，汇集了相关的论文、库、数据集和其他资···

cheetah 开源

在设备上实时把语音转文字，离线低延迟还保护隐私

Cheetah是一个基于深度学习的端侧流式语音转文本引擎，专注于在设备本地实时处理语音识别任务。它解···

mrcp-plugin-with-freeswitch 开源

用手机打电话，AI自动听懂并回复，快速搭建语音呼叫中心。

这是一个将FreeSWITCH与UniMRCP Server集成，并接入讯飞开放平台（xfyun）插件的开源项目。它解决了···

SmartSpeaker 开源

用STM32+ESP8266自造一台能联网听话的智能音箱

SmartSpeaker 是一个用 C 语言编写的开源智能音箱项目，硬件基于 STM32F407 主控、WM8978 音频编解···

lingvo 开源

用 Google 的序列建模框架，快速搞定语音和翻译实验

Lingvo 是 Google 开源的深度学习框架，专注于序列建模任务，尤其擅长语音识别、机器翻译和语言模型···

web-speech-cognitive-services 开源

用Azure服务补齐浏览器语音API，统一标准接入

这是一个JavaScript库，为Web Speech API提供Polyfill实现，将微软Azure认知服务中的语音转文本和文···

Recorder 开源

一个库搞定 H5 多格式录音，还能语音转文字

Recorder 是一个基于 HTML5 的纯前端录音库，旨在解决浏览器和混合应用中录音格式不统一、兼容性差···

youtube-transcript-api 开源

不用 API 密钥，几行代码抓取 YouTube 字幕

youtube-transcript-api 是一个 Python 库，用于获取 YouTube 视频的字幕或转录文本。它解决了开发···

porcupine 开源

在设备本地秒级唤醒，无需联网，隐私安全

Porcupine 是一个基于深度学习的端侧唤醒词检测引擎，由 Picovoice 开发。它解决的是在设备本地实时···