SenseVoice

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。

FunASR

AI GitHub 仓库

#118

开源语音识别工具包，旨在用于训练、推理和流式ASR。它支持VAD、标点、说话人分离以及与OpenAI兼容的MCP服务，使其成为开发人员的多功能工具。FunASR是一个开源语音识别工具包，旨在用于训练、推理和流式ASR。它支持VAD、标点、说话人分离以及与OpenAI兼容的MCP服务，使其成为开发人员的多功能工具。

Audino语言AI平台

AI 应用

#110

Audino提供强大的API用于转录、翻译等，支持超过100种语言。它提供音频标注工具、自定义AI模型和庞大的数据集，是语言AI需求的全面解决方案。

MeloTTS

AI GitHub 仓库

#96

由 MyShell.ai 开发的高质量多语言文本转语音库。它支持多种语言，包括英语、西班牙语、法语、中文、日语和韩语，为寻求将 TTS 功能集成到其应用程序中的开发人员提供多样化的解决方案。MeloTTS 是由 MyShell.ai 开发的高质量多语言文本转语音库。它支持多种语言，包括英语、西班牙语、法语、中文、日语和韩语，为寻求将 TTS 功能集成到其应用程序中的开发人员提供多样化的解决方案。

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。

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。

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。

Kaldi ASR

AI 框架

开源工具包，旨在进行语音识别研究和开发。它提供了一个全面的框架，用于构建和部署语音识别模型，提供数据准备、特征提取和模型训练的工具。Kaldi ASR 是一个开源工具包，旨在进行语音识别研究和开发。它提供了一个全面的框架，用于构建和部署语音识别模型，提供数据准备、特征提取和模型训练的工具。