FunASR

WhisperLiveKit

AI GitHub 仓库

实时本地语音转文本工具，提供流式自动语音识别（ASR）、说话人分离和翻译功能。它支持与 OpenAI 和 Deepgram 兼容的 API，使其成为寻求强大语音处理解决方案的开发者的多功能工具。WhisperLiveKit 是一个实时本地语音转文本工具，提供流式自动语音识别（ASR）、说话人分离和翻译功能。它支持与 OpenAI 和 Deepgram 兼容的 API，使其成为寻求强大语音处理解决方案的开发者的多功能工具。

WeNet

AI GitHub 仓库

#166

开源的端到端语音识别工具包，专为生产环境设计。它提供强大而高效的语音识别能力，适用于各种需要准确语音转文本的应用。WeNet是一个开源的端到端语音识别工具包，专为生产环境设计。它提供强大而高效的语音识别能力，适用于各种需要准确语音转文本的应用。

Whisper Diarization

AI GitHub 仓库

GitHub 项目，结合了自动语音识别和使用 OpenAI Whisper 的说话人分离。它使用户能够转录音频并识别录音中的不同说话者，非常适合会议、访谈等场景。Whisper Diarization 是一个 GitHub 项目，结合了自动语音识别和使用 OpenAI Whisper 的说话人分离。它使用户能够转录音频并识别录音中的不同说话者，非常适合会议、访谈等场景。

WhisperX

AI GitHub 仓库

#63

开源的自动语音识别工具，提供字级时间戳和说话者区分功能。它旨在提高音频录音的转录准确性和说话者识别能力。WhisperX 是一个开源的自动语音识别工具，提供字级时间戳和说话者区分功能。它旨在提高音频录音的转录准确性和说话者识别能力。

OpenAI Whisper

AI GitHub 仓库

Whisper 是 OpenAI 开发的一个强大、通用的语音识别模型。它在多语言语音识别、语音翻译和语言识别方面表现出色。通过在多样化的音频数据上进行训练，它提供了一个单一模型来处理各种语音处理任务，用统一的序列到序列方法取代了传统的多阶段流水线。

用于端到端语音处理的开源工具包。它提供了用于自动语音识别 (ASR)、文本到语音合成 (TTS) 和语音增强等任务的全面脚本和工具。用户可以使用其灵活的框架轻松运行推理、微调现有模型或实现自定义解决方案。ESPnet 是一个用于端到端语音处理的开源工具包。它提供了用于自动语音识别 (ASR)、文本到语音合成 (TTS) 和语音增强等任务的全面脚本和工具。用户可以使用其灵活的框架轻松运行推理、微调现有模型或实现自定义解决方案。

SpeechBrain

AI GitHub 仓库

基于 PyTorch 的开源语音处理工具包，支持语音识别、说话人验证和语言识别等多种应用，为研究人员和开发者提供了一个灵活且可扩展的平台。SpeechBrain 是一个基于 PyTorch 的开源语音处理工具包，支持语音识别、说话人验证和语言识别等多种应用，为研究人员和开发者提供了一个灵活且可扩展的平台。

Sherpa-ONNX

AI GitHub 仓库

#72

开源项目，提供语音转文本、文本转语音、说话人分离等功能，使用Kaldi与onnxruntime。它支持多种平台和编程语言，具备离线能力。Sherpa-ONNX是一个开源项目，提供语音转文本、文本转语音、说话人分离等功能，使用Kaldi与onnxruntime。它支持多种平台和编程语言，具备离线能力。