WeNet

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。

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。

WhisperX

AI GitHub 仓库

#61

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。

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。

SpeechRecognition

AI GitHub 仓库

speech_recognition是一个Python模块，通过支持多种引擎和API来简化语音识别的过程，适用于在线和离线使用。它旨在易于使用并集成到Python应用程序中，为开发者提供灵活的语音处理工具。

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。

whisper.cpp

AI GitHub 仓库

OpenAI的Whisper模型在C/C++中的移植。它允许开发者在GitHub上参与其开发，促进语音识别技术的协作与创新。whisper.cpp是OpenAI的Whisper模型在C/C++中的移植。它允许开发者在GitHub上参与其开发，促进语音识别技术的协作与创新。

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。