speaker-diarization
本站收录 34 个带「speaker-diarization」标签的 AI 开源项目
FunASRFunASR 是阿里开源的多语言语音识别工具包,专为中文场景深度优化,同时支持英文、日文等。它解决了从训练到部署的全链路问题,包括语音识别(ASR)、端点检测(★ 21,029
speechbrainSpeechBrain 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、语音分离、情感识别等多种语音任务提供统一、灵活且易用★ 11,938
WhisperLiveKitWhisperLiveKit 是一个实时、本地的语音转文字工具包,基于 OpenAI Whisper 模型,提供流式语音识别(ASR)、说话人分离(speake★ 11,254
VidBeeVidBee 是一个基于 TypeScript 开发的开源桌面工具,把“视频下载”和“AI 内容处理”合二为一。它支持从 YouTube、TikTok、Twit★ 11,152
espnet端到端语音处理工具包,覆盖语音识别、语音合成、语音翻译、说话人识别等多项任务。提供统一训练框架、丰富预训练模型与评测流程,是学术界与工业界语音技术研究的常用基础★ 10,017
argmax-oss-swift专为 Apple Silicon 打造的端侧语音 AI 框架,支持在设备本地运行语音识别与合成等模型,无需联网与云端依赖。基于 Swift 开发,性能高效、隐私★ 6,455
whisper-diarization这是一个基于OpenAI Whisper的自动语音识别与说话人分离工具,解决的是多说话人场景下语音转写时无法区分谁在说话的问题。它结合Whisper的强大多语种★ 5,676
FluidAudioFluidAudio 是一个面向 iOS/macOS 开发者的 Swift 框架,旨在将前沿的 CoreML 音频模型无缝集成到原生应用中。它解决了开发者难以在★ 3,300
whisper-timestampedwhisper-timestamped 是一个基于 OpenAI Whisper 的语音识别增强工具,专门为多语言自动语音识别提供词级时间戳和置信度。它解决了标★ 2,861
MOSS-Transcribe-DiarizeMOSS-Transcribe-Diarize 是一个轻量级(0.9B 参数)的多语言长语音转写与说话人分离模型,支持 50 多种语言,并集成时间戳和声学事件识★ 2,273
awesome-diarization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、数据集和其他资源。它解决的是说话人日志领域信息分散、入门门槛高★ 1,917
Fun-ASRFun-ASR 是一个基于大语言模型的开源语音识别(ASR)模型家族,专注于中文、方言、口音及多语言场景。它提供多种运行时支持,包括 FunASR、vLLM、流★ 1,610
speech-swiftspeech-swift 是一个专为 Apple Silicon 设备打造的 AI 语音工具包,基于 MLX 和 CoreML 框架,提供端侧语音识别(ASR)★ 1,276
izwiizwi 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★ 465
audio.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)、★ 432
parakeet-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★ 421
Speech-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★ 354
humlahumla 是一款面向 Mac 的开源 AI 会议笔记工具。它无需机器人参会,直接录制麦克风与系统音频,支持在设备本地或通过 OpenAI、Deepgram、G★ 349
meetcapMeetCap 是一款免费、注重隐私的 AI 原生会议助手,核心特点是会议录音与转写全部在本地电脑完成,不上传云端。它解决的是会议记录耗时、云端转写工具存在隐私★ 305
dub-studiodub-studio 是一款面向 Windows 的免费离线 AI 视频配音工具,以单个原生 .exe 形式分发,无需安装 Python 环境。它解决视频本地化★ 281
amanuamanu 是一款面向 macOS 的本地优先会议记录工具,用 Swift 编写。它能自动检测并录制线上会议,随后完成语音转写,把零散的口头讨论沉淀为可检索的文★ 251
meeting-transcribermeeting-transcriber 是一款面向 macOS 的本地会议转录工具,定位为 Otter、Granola、Fireflies 的开源替代品。它常驻★ 243
AudioSmithAudioSmith 是一款面向 Mac 的开源音频创作工具,用 Go 语言开发,把语音识别、说话人分离、文本转语音、声音克隆和声音设计整合到一个本地应用里。它★ 234
HaizFlowHaizFlow 是一款面向 Windows 的免费桌面应用,用本地 CPU/GPU 模型完成视频翻译、字幕生成与配音的整套流程。它把语音识别、说话人分离、字幕★ 231
EnviousWisprEnviousWispr 是一款面向 macOS 的免费本地语音听写工具,专为 Apple Silicon 优化。它同时集成 Whisper 与 Parakee★ 223
chatbot-watson-android这是一个基于 IBM Watson 服务的 Android 聊天机器人示例应用,集成了 Watson Assistant(对话管理)、Speech-to-Tex★ 196
tiny-audiotiny-audio 是一个低成本语音转文字(ASR)系统,核心思路是把冻结的语音编码器与 Qwen 大语言模型通过一个小型可训练投影层连接起来,训练成本约 2★ 179
ShiyinShiyin(拾音)是一款面向 Mac 的免费开源会议记录应用,目标是替代 Granola 等付费会议助手。它不依赖会议机器人入会,而是直接在本地捕获 Zoom★ 150
ParrotParrot 是一款面向 macOS 的开源会议记录工具,定位是本地优先的 AI 会议助手。它能在你开会时实时录音并转写,把语音变成可检索的文字记录,同时基于你★ 130
docker-whisperdocker-whisper 是一个把 Whisper 语音识别服务打包成 Docker 镜像的开源项目,目标是让用户在自己的服务器上快速搭建一套兼容 Open★ 123
OpenTranscribeOpenTranscribe 是一个可自托管的 AI 语音转写平台,目标是把会议、访谈、播客等音视频内容自动转成可搜索、可协作的文字记录。它内置说话人分离(sp★ 113
speech-corespeech-core 是一个面向端侧设备的实时语音智能体流水线,用 C++17 编写,基于 ONNX Runtime 和 LiteRT(TensorFlow ★ 101
WatBotWatBot 是一个基于 IBM Watson 服务的 Android 聊天机器人示例项目。它利用 Watson Assistant V1 提供对话管理,通过 ★ 71
MLC-SLM-BaselineMLC-SLM-Baseline 是 INTERSPEECH 2025 多语言对话语音语言模型研讨会的官方基线系统,旨在为参与者提供语音识别和说话人日志的参考实★ 51