模型
标签
同类项目
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。 
MOSS-Transcribe-Diarize2.2k零点九B长时多 说话 人 转录 与 分离 开源 模型， 支持 五十 余 语 种 时间 戳 与 声学 事件 感知。 
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。 
espnet10k基于PyTorch 的 端到 端语音 处理 工 具包， 覆 盖识 别合成 翻译 增强 等 多 任务， 提供 可复现recipes 与 数百 预训 练 模型。 
CrisperWhisper1.5k可控式 逐字语 音识别开发者 库， 支持 原文 与 意图双 模式 转写 及 词级 时间 戳 与 长音频 处理。 
voxcpm40.8k开源2B多 语言TTS模型， 无需 分词器， 支持 声音 设计、 可控 复刻 与 48kHz studio级 语音 合成。