asr 第 2 页

本站收录 157 个带「asr」标签的 AI 开源项目（按 GitHub 星标从高到低，第 2 / 4 页）

Easy-Voice-ToolkitEasy-Voice-Toolkit 是一个面向普通用户的 Python 语音工具箱，集成了语音识别（ASR）、语音转写、语音转换、语音去噪和说话人验证（VPR★ 871BiBi-KeyboardBiBi Keyboard（说点啥）是一款基于 Kotlin 开发的 Android 语音输入法键盘应用，将 LLM 与 ASR 技术深度集成到输入场景中。它解★ 848LiveTranslateLiveTranslate 是一款面向 Windows 平台的实时音频翻译工具，主要解决 VTuber、主播和外语内容观众在直播或观看视频时面临的跨语言沟通障碍★ 840voxtral-mini-realtime-rs这是一个用 Rust 实现 Mistral Voxtral mini 实时语音识别（ASR）和语音合成（TTS）的开源项目，基于 Burn 机器学习框架，支持本★ 824ZerolanLiveRobotZerolanLiveRobot 是一个基于 Python 的 AI 虚拟主播（VTuber）开源项目，旨在通过集成大语言模型（LLM）、语音识别（ASR）、语★ 817MASRMASR是一个基于Pytorch的自动语音识别（ASR）框架，专注于流式与非流式识别，兼顾在线和离线场景。它解决了开发者需要同时支持实时语音交互和离线批量转写的★ 728whisper_androidwhisper_android 是一个将 OpenAI Whisper 语音识别模型移植到 Android 平台的开源项目，基于 TensorFlow Lite★ 694cheetahCheetah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。它解决的是传统云端语音识别依赖网络、延迟高、隐私风险大的问题，通★ 671optimum-intelOptimum Intel 是 Hugging Face 与 Intel 合作推出的优化工具库，旨在通过 Intel 的 OpenVINO 等工具加速 Tran★ 624auto-captionauto-caption 是一款基于 Electron 与 Python 构建的跨平台实时字幕显示软件，核心目标是把麦克风或系统音频中的语音实时转写为文字并叠加★ 594echokit_serverechokit_server 是一个开源的语音代理平台，基于 Rust 构建，旨在为开发者提供构建语音助手和语音交互应用的完整解决方案。它解决了从语音识别（AS★ 592video-recap-skills这是一个基于 Claude Code Skill 的视频解说自动生成工具。它利用 LLM（大语言模型）理解视频内容，结合 ASR（语音识别）提取字幕，再通过 T★ 582video-recap-skillsvideo-recap-skills 是一套面向 Claude Code / Codex 的 Agent Skills 集合，目标是把任意视频自动加工成带中文解★ 582moys-asr-workflowmoys-asr-workflow（简称 MAW）是一个基于 JavaScript 的语音识别字幕生成工作流与编辑器，面向需要为音视频批量制作字幕的用户。它把 ★ 540whisplay-ai-chatbot这是一个基于树莓派 Zero 2W 或 5 的袖珍 AI 聊天机器人项目，名为 whisplay-ai-chatbot。它利用 TypeScript 构建，整合★ 525ICASSP-2023-24-Papers这是一个汇集ICASSP 2023和2024会议论文的仓库，旨在为声学、语音和信号处理领域的研究者提供一站式的论文集合。项目解决了学术会议论文分散、难以系统追踪★ 525awesome-ai-voiceawesome-ai-voice 是一个精选开源 AI 语音与音乐生成资源的列表，收录了文本转语音（TTS）、声音克隆、语音识别（ASR）以及音乐生成等领域的模★ 518Audar-ASR-V1Audar-ASR-V1 是一个以阿拉伯语优先的生成式语音识别（ASR）开源项目，旨在解决阿拉伯语及其方言的语音转文本难题。它提供 Flash 和 Turbo ★ 506leopardLeopard 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。它解决的是云端 ASR 常见的隐私泄露、网络延迟和按量★ 485speech_datasetspeech_dataset 是一个面向语音识别（ASR）研究的中文语音数据集仓库，旨在为深度学习语音模型提供训练与评估所需的音频资源。项目整理了多种来源的语音★ 470deepgram-python-sdkDeepgram 的官方 Python SDK，用于快速集成 Deepgram 的语音 AI 服务。它解决了开发者在 Python 应用中接入语音识别（ASR）★ 469docker-whisperXdocker-whisperX 是 WhisperX 语音识别工具的官方 Docker 镜像构建项目，通过 Dockerfile 与 CI 流程把 Whispe★ 458hayamimihayamimi（早耳）是一个纯 CPU 运行的实时多语言语音转文字工具，基于 sherpa-onnx 实现，无需 GPU 和云服务即可在本地完成识别。它解决的★ 447SayItSayIt 是一款面向 Windows 的开源语音输入工具，定位为 Wispr Flow / Superwhisper 的替代品。按下快捷键说话，AI 润色后的★ 444klaamklaam 是一个专注于阿拉伯语语音处理的开源工具包，集语音识别、语音分类和文本转语音于一体。它解决了阿拉伯语及其方言在通用语音模型中表现不佳的问题，提供了针对★ 435parakeet-rsparakeet-rs 是一个用 Rust 编写的语音识别工具库，基于 NVIDIA Parakeet 系列模型（通过 ONNX 运行），提供极快的语音转文字能★ 415xiaoniu小牛视频翻译是一款面向视频本地化场景的AI工具，主要解决视频翻译效率低、流程繁琐的问题。它支持本地视频文件翻译、字幕文件独立翻译，以及直接下载并翻译YouTub★ 413awesome-audio-plaza这是一个每日更新的音频方向前沿论文精选列表，聚焦音乐生成、零样本语音合成、语音识别和通用音频生成等热门子领域。项目以GitHub仓库形式维护，通过持续追踪arX★ 411awesome-russian-speech这是一个精选俄罗斯语音技术资源的开源列表，汇集了语音识别（ASR）、语音合成（TTS）、文本转语音、字素到音素（G2P）转换等领域的工具、库、模型和论文链接。项★ 409audio.cpp-webuiaudio.cpp-webui 是一个基于 ggml 的纯 C++ 音频模型推理引擎，为 audio.cpp 提供全任务 WebUI。它支持语音合成（TTS）、★ 401Stream-OmniStream-Omni 是一个类似 GPT-4o 的多模态对话助手，能够同时处理文本、语音和视觉输入，并支持多种模态组合的交互。它解决了传统对话系统只能处理单一★ 393izwiizwi 是一个本地优先的语音 AI 运行时，用 Rust 编写，提供语音转文字、说话人分离、文字转语音和声音克隆能力，并兼容 OpenAI API 格式。它解★ 393onnx-asronnx-asr 是一个轻量级 Python 语音识别包，核心思路是让开发者直接加载 ONNX 格式的 ASR 模型完成语音转文字，而不必依赖 PyTorch、★ 385yapsnapyapsnap 是一个纯 CPU 运行的语音转文字命令行工具，能把任意视频链接或本地音视频文件转成纯文本，无需 GPU、无需调用云端 API，一条命令即可完成。★ 380hms-ml-demoHMS ML Demo 是华为机器学习套件（ML Kit）的官方示例项目，旨在帮助开发者快速集成华为的AI能力。它覆盖了人脸检测、文本识别、图像分割、语音识别（★ 371Maix-SpeechMaix-Speech 是一个专为嵌入式设备设计的轻量级语音 AI 库，旨在解决资源受限设备上运行语音识别（ASR）、语音合成（TTS）和对话（chat）功能的★ 365AsrServeAsrServe 是一个可自托管的中文语音识别服务，把当前最强的开源 ASR 模型（如 Qwen3-ASR 系列）封装成开箱即用的推理后端，同时支持实时流式识别★ 358speech_course这是一个面向语音处理学习者的开源课程项目，由YSDA（Yandex数据科学学院）提供，内容覆盖语音处理的核心领域：自动语音识别（ASR）、数字信号处理（DSP）★ 354WhisperHalluWhisperHallu 是一个实验性开源项目，专注于音频预处理，旨在减少 OpenAI Whisper 语音识别模型产生的幻觉文本（即模型在无语音片段中虚构输★ 352LangHelperLangHelper 是一个基于 Rust 开发的语言学习应用，旨在通过整合 ChatGPT、TTS（文本转语音）和 STT（语音转文本）等 AI 模型，提供全★ 350mrcp-plugin-with-freeswitch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。它解决了在传统电话网络中实现智能语音交互的问题★ 349Speech-to-Text-RussianSpeech-to-Text-Russian 是一个基于 pykaldi 的俄语语音识别开源项目，目标是为俄语场景提供可用的自动语音转文字能力。俄语在开源 AS★ 348voiceaivoiceai 是一个面向语音 AI 智能体开发者的精选资源集合，旨在帮助初学者和进阶者快速上手构建实时语音对话系统。它解决了语音 AI 领域资料分散、入门门槛★ 336UltraEval-AudioUltraEval-Audio 是一个面向音频领域的统一评测基准框架，旨在为 ASR（语音识别）、TTS（语音合成）、音频编解码器以及音频大语言模型提供标准化、★ 327openasropenasr 是一个用 Rust 编写的本地优先语音转文字工具，核心目标是让转录过程完全在用户自己的机器上完成，不依赖云端服务、不上报任何遥测数据，并且采用 ★ 286deepgram-js-sdkDeepgram 官方 JavaScript SDK，用于在浏览器和 Node.js 环境中集成 Deepgram 的语音 AI 服务。它解决开发者快速接入语音★ 277DeLiveDeLive 是一款本地优先的桌面端实时字幕与语音识别工作台，用 Electron + TypeScript 构建，核心解决会议、直播、听课等场景下系统音频难以★ 274praisesPraises 是一款基于 Tauri 和 Vue 的跨平台文本转语音（TTS）桌面工具，主要解决用户快速将文字转换为自然语音的需求。它利用 Azure Spe★ 270phononPhonon 是一个开源语音识别模型项目，提供 Phonon-2 和 Phonon-1 两代模型，主打低比特量化与多硬件适配。它解决的是语音转文本模型部署门槛高★ 262On-Device-Speech-to-Speech-Conversational-AI这是一个纯CPU上运行的实时语音对话系统，实现与AI模型的双向语音交流。它采用连续流式架构，支持即时响应和自然的打断处理，让对话流畅自然。项目整合了语音识别（A★ 255

相关标签

tts759speech-recognition251speech-to-text301text-to-speech656llm3432whisper195ai2792transcription91speech140speech-synthesis247stt76automatic-speech-recognition24