SpeechBrain

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。

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。

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。

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。

SpeechRecognition

AI GitHub リポジトリ

speech_recognitionは、オンラインおよびオフラインの両方で複数のエンジンとAPIをサポートすることで、音声認識を容易にするPythonモジュールです。使いやすく、Pythonアプリケーションに統合できるように設計されており、開発者に音声処理タスクのための柔軟なツールを提供します。

セサミCSM

AI GitHub リポジトリ

音声合成能力を向上させるために設計された会話型音声生成モデルです。開発者がGitHubでその開発に貢献できるようにし、AI駆動の音声技術におけるコラボレーションと革新を促進します。セサミCSMは、音声合成能力を向上させるために設計された会話型音声生成モデルです。開発者がGitHubでその開発に貢献できるようにし、AI駆動の音声技術におけるコラボレーションと革新を促進します。

WhisperX

AI GitHub リポジトリ

#61

自動音声認識のためのオープンソースツールで、単語レベルのタイムスタンプと話者の識別を提供します。音声録音における転写精度と話者の特定を向上させることを目的としています。WhisperXは、自動音声認識のためのオープンソースツールで、単語レベルのタイムスタンプと話者の識別を提供します。音声録音における転写精度と話者の特定を向上させることを目的としています。

Voicebox

AI GitHub リポジトリ

ユーザーが音声プロジェクトをクローン、音声入力、作成できるオープンソースのAI音声スタジオです。音声合成と操作のためのプラットフォームを提供し、開発者や音響エンジニアに最適です。Voiceboxは、ユーザーが音声プロジェクトをクローン、音声入力、作成できるオープンソースのAI音声スタジオです。音声合成と操作のためのプラットフォームを提供し、開発者や音響エンジニアに最適です。