Vosk Speech Recognition Toolkit

Voskは20以上の言語をサポートするオフライン音声認識ツールキットです。Android、iOS、Raspberry Pi、サーバーで動作し、Python、Java、C#、Swift、Nodeのバインディングがあります。VoskはストリーミングAPIとスピーカー識別を提供し、さまざまなアプリケーションに対応します。

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。

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。

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。

Sherpa-ONNX

AI GitHub リポジトリ

#70

Kaldiとonnxruntimeを使用して音声認識、音声合成、話者の識別などを提供するオープンソースプロジェクトです。複数のプラットフォームとプログラミング言語をサポートし、オフライン機能を実現しています。Sherpa-ONNXは、Kaldiとonnxruntimeを使用して音声認識、音声合成、話者の識別などを提供するオープンソースプロジェクトです。複数のプラットフォームとプログラミング言語をサポートし、オフライン機能を実現しています。

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。

whisper.cpp

AI GitHub リポジトリ

OpenAIのWhisperモデルをC/C++で実装したポートです。開発者がGitHubでその開発に貢献できるようにし、音声認識技術におけるコラボレーションと革新を促進します。whisper.cppは、OpenAIのWhisperモデルをC/C++で実装したポートです。開発者がGitHubでその開発に貢献できるようにし、音声認識技術におけるコラボレーションと革新を促進します。

argmax-oss-swift

AI GitHub リポジトリ

Apple Siliconデバイス向けに特化したオンデバイス音声AI機能を提供するオープンソースプロジェクトです。これにより、開発者はアプリケーションに音声認識機能を直接統合し、クラウドサービスに依存せずにユーザーインタラクションを向上させることができます。argmax-oss-swiftは、Apple Siliconデバイス向けに特化したオンデバイス音声AI機能を提供するオープンソースプロジェクトです。これにより、開発者はアプリケーションに音声認識機能を直接統合し、クラウドサービスに依存せずにユーザーインタラクションを向上させることができます。