MiMo-V2.5-ASR
多语言方言嘈杂环境也能转写的语音识别模型
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-11-03 · 当前星标 ★ 345
核心亮点
- 覆盖多语言与方言，适合语种混杂的真实业务场景
- 针对噪声、混响等复杂声学条件做了鲁棒性优化
- 提供 Python 推理代码，可直接加载模型跑通转写流程
不足之处
- 早期项目，星标与社区规模小，问题反馈和文档完善度有限
- 模型体积与推理资源需求未在简介中说明，部署成本需自行评估
适用场景
- 多语种客服录音的批量转写与质检
- 方言口音较重的访谈、会议内容整理
- 嘈杂现场或远场拾音的语音转文字应用
替代项目
Whisper、FunASR、SenseVoice
上一篇：SpeechKITT
下一篇：没有了！
同类项目推荐
SmartSub
开源
本地离线搞定字幕生成、翻译、配音和烧录，一站式高效处理
视频转字幕、字幕翻译、AI 配音与声音克隆、字幕烧录——免费开源的一站式桌面工具。基于 ···
Llama-AVSR
开源
用大语言模型提升音视频语音识别准确率，解决复杂场景听不清问题
Official Pytorch implementation of "Large Language Models are Strong Audio-Visual Sp···
AriaType
开源
动口不动手，本地语音输入秒变文字，跨应用高效干活
Voice-driven writing, input, and cross-app work for your desktop.
anti-vocale
开源
语音消息不上传，手机本地直接转文字
Android app for transcribing voice messages locally on-device, with no internet requ···
best-rq-pytorch
开源
用随机投影量化器，轻松复现 Google 自监督语音预训练模型
Implementation of BEST-RQ - a model for self-supervised learning of speech signals u···
TensorFlowASR
开源
用 TF2 快速训练和部署端到端语音识别模型
:zap: TensorFlowASR: Almost State-of-the-art Automatic Speech Recognition in Tensorf···
jev-voice
开源
说句话就能操控 Mac，本地识别不上传
Talk to your Mac. Local whisper.cpp + one Jev (TypeSafe) call per command + macOS au···
speech-translator-readme
开源
说一句话，立刻翻译成外语并语音播放
This repository outlines the procedures and general information for the Speech Trans···
FastSpeech2
开源
用 PyTorch 快速上手并行语音合成，告别慢速自回归
The Implementation of FastSpeech2 Based on Pytorch.