库 / 框架
标签
同类项目
SALMONN1.6k字节与 清华 联合 的 多 模态 大语言模型 家族， 融合语 音图 像 视 频理解， 公开论 文训 练 代码 与 推理 权重。 
FunASR20.8k工业级 语 音识 别工 具包， 覆盖 训练、 推理、 流式 ASR、 VAD、 标点、 说话 人 分离 及OpenAI 兼容 服务 部署。 
vosk-api15.2k支持20 多 种 语言 的 离线语 音识 别工 具包， 提供 多 语言SDK 绑定， 可跑 在 手机 与 服务器 上。 
speechbrain11.9k基于PyTorch 的 会话式 AI语 音工 具包， 提供 两 百 余 种 语音 文本 任务 训练 配方 与 预训 练 模型。 
speech_recognition9k支持多 引擎 多 API 的 Python语 音识 别库， 可 调用 麦克风 与 音频 文件 完成 离线 或 在 线语 音 转 文字。 
audio3k面向 PyTorch 的 音频 与 语音 处理 机器 学 习库， 提供 数 据集、 变换 与 GPU 加速 的 可训 练 音频 基础 组件。