Sherpa-ONNX

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。

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。

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。

Vosk Speech Recognition Toolkit

AI GitHub 仓库

Vosk API 是一个离线语音识别 API，专为 Android、iOS、Raspberry Pi 和服务器设计。它支持多种编程语言，包括 Python、Java、C# 和 Node.js，使开发者能够将语音识别功能集成到他们的应用程序中，而无需依赖互联网连接。

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。

Moonshine AI 语音接口

AI GitHub 仓库

提供极低延迟的语音转文本、意图识别和文本转语音功能，使得创建高效的语音代理和接口成为可能。非常适合希望将语音功能集成到其应用程序中的开发者。Moonshine 提供极低延迟的语音转文本、意图识别和文本转语音功能，使得创建高效的语音代理和接口成为可能。非常适合希望将语音功能集成到其应用程序中的开发者。

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。

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。