WhisperX

Whisper Diarization

AI GitHub リポジトリ

OpenAI Whisperを使用して自動音声認識とスピーカーダイアリゼーションを組み合わせたGitHubプロジェクトです。これにより、ユーザーは音声を文字起こしし、録音内の異なる話者を特定することができ、会議やインタビューなどに役立ちます。Whisper Diarizationは、OpenAI Whisperを使用して自動音声認識とスピーカーダイアリゼーションを組み合わせたGitHubプロジェクトです。これにより、ユーザーは音声を文字起こしし、録音内の異なる話者を特定することができ、会議やインタビューなどに役立ちます。

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。

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。

OpenAI Whisper

AI GitHub リポジトリ

WhisperはOpenAIが開発した堅牢で汎用的な音声認識モデルです。多言語音声認識、翻訳、言語識別に優れています。多様な音声データでトレーニングされており、従来の多段階パイプラインを統一されたシーケンス・トゥ・シーケンスアプローチで置き換える、様々な音声処理タスクのための単一モデルを提供します。

音声からテキストへ

AI アプリ

Scribeを使用して音声をテキストに変換します。最も正確なモデルで、99言語に対応し、自動生成されたキャプション、トランスクリプトの編集、ポッドキャストや会議などのさまざまなアプリケーション向けに音声と動画を整合させます。

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。

Whisper Scribe AI

AI アプリ

#148

音声とビデオを迅速に正確な話者ラベル付きテキストに変換します。134以上の言語で99%の精度を誇り、AIによる要約やさまざまな形式への簡単なエクスポートオプションを提供し、効率的でユーザーフレンドリーな転写を実現します。Whisper Scribe AIは、音声とビデオを迅速に正確な話者ラベル付きテキストに変換します。134以上の言語で99%の精度を誇り、AIによる要約やさまざまな形式への簡単なエクスポートオプションを提供し、効率的でユーザーフレンドリーな転写を実現します。