库 / 框架
标签
同类项目
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。 
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。 
faster-whisper26.1k基于CTranslate2 的 Whisper语 音 转写 推理 库， 更 快 更 省 内存， 支持量化 与 词级 时间 戳。 
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。 
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。 
mlt1.9k面向 视频 编辑 的 LGPL多 媒体 框架， 提供 音视频 处理、 剪辑 与 播放 的 底层 开发 能力。