Sherpa-ONNX

FunASR

AI GitHub リポジトリ

#118

トレーニング、推論、ストリーミングASRのために設計されたオープンソースの音声認識ツールキットです。VAD、句読点、話者のダイアリゼーション、OpenAI互換/MCPサービングをサポートしており、開発者にとって多用途なツールです。FunASRは、トレーニング、推論、ストリーミングASRのために設計されたオープンソースの音声認識ツールキットです。VAD、句読点、話者のダイアリゼーション、OpenAI互換/MCPサービングをサポートしており、開発者にとって多用途なツールです。

WeNet

AI GitHub リポジトリ

#166

プロダクション環境向けに設計されたオープンソースのエンドツーエンド音声認識ツールキットです。堅牢で効率的な音声認識機能を提供し、正確な音声からテキストへの変換を必要とするさまざまなアプリケーションに適しています。WeNetは、プロダクション環境向けに設計されたオープンソースのエンドツーエンド音声認識ツールキットです。堅牢で効率的な音声認識機能を提供し、正確な音声からテキストへの変換を必要とするさまざまなアプリケーションに適しています。

WhisperLiveKit

AI GitHub リポジトリ

ストリーミングASR、スピーカーダイアリゼーション、翻訳機能を提供するリアルタイムのローカル音声認識ツールです。OpenAIおよびDeepgram互換のAPIをサポートしており、堅牢な音声処理ソリューションを求める開発者にとって多用途です。WhisperLiveKitは、ストリーミングASR、スピーカーダイアリゼーション、翻訳機能を提供するリアルタイムのローカル音声認識ツールです。OpenAIおよびDeepgram互換のAPIをサポートしており、堅牢な音声処理ソリューションを求める開発者にとって多用途です。

Vosk Speech Recognition Toolkit

AI GitHub リポジトリ

Vosk APIは、Android、iOS、Raspberry Pi、およびサーバー向けに設計されたオフライン音声認識APIです。Python、Java、C#、Node.jsなど複数のプログラミング言語をサポートしており、開発者はインターネット接続に依存せずにアプリケーションに音声認識機能を統合できます。

SpeechBrain

AI GitHub リポジトリ

PyTorchに基づいた音声処理タスクのためのオープンソースツールキットです。音声認識、話者認証、言語識別など、さまざまなアプリケーションをサポートし、研究者や開発者に柔軟で拡張可能なプラットフォームを提供します。SpeechBrainは、PyTorchに基づいた音声処理タスクのためのオープンソースツールキットです。音声認識、話者認証、言語識別など、さまざまなアプリケーションをサポートし、研究者や開発者に柔軟で拡張可能なプラットフォームを提供します。

ムーンシャインAI音声インターフェース

AI GitHub リポジトリ

ムーンシャインは、非常に低遅延の音声認識、意図認識、音声合成機能を提供し、効率的な音声エージェントやインターフェースの作成を可能にします。音声機能をアプリケーションに統合したい開発者に最適です。

エンドツーエンドの音声処理のためのオープンソースツールキットです。自動音声認識（ASR）、音声合成（TTS）、音声強調などのタスクに対応する包括的なレシピとツールを提供します。柔軟なフレームワークにより、ユーザーは簡単に推論を実行したり、既存のモデルをファインチューニングしたり、カスタムソリューションを実装したりできます。ESPnetは、エンドツーエンドの音声処理のためのオープンソースツールキットです。自動音声認識（ASR）、音声合成（TTS）、音声強調などのタスクに対応する包括的なレシピとツールを提供します。柔軟なフレームワークにより、ユーザーは簡単に推論を実行したり、既存のモデルをファインチューニングしたり、カスタムソリューションを実装したりできます。

Kaldi ASR

AI フレームワーク

音声認識の研究と開発のために設計されたオープンソースのツールキットです。データ準備、特徴抽出、モデル訓練のためのツールを提供し、音声認識モデルの構築と展開のための包括的なフレームワークを提供します。Kaldi ASRは、音声認識の研究と開発のために設計されたオープンソースのツールキットです。データ準備、特徴抽出、モデル訓練のためのツールを提供し、音声認識モデルの構築と展開のための包括的なフレームワークを提供します。