NVIDIA

DeepLearningExamples

语音识别

NVIDIA 维护的深度学习示例库,按模型整理可直接运行的训练脚本,帮你在企业级基础设施上复现精度与性能。做语音识别时,可参考其中现成的训练与部署流程。

查看 GitHub 原始描述(英文)

State-of-the-Art Deep Learning scripts organized by models - easy to train and deploy with reproducible accuracy and performance on enterprise-grade infrastructure.

#computer-vision#deep-learning#drug-discovery#forecasting#large-language-models#mxnet#nlp#paddlepaddle#pytorch#recommender-systems#speech-recognition#speech-synthesis#tensorflow#tensorflow2#translation

按钮会在新标签页打开,本站不代理、不镜像仓库内容。

m-bain

whisperX

WhisperX 是一个基于 Python 的语音识别工具,为 Whisper 补上词级时间戳与说话人分离能力,让转写结果能精确对齐到每个词。它最典型的用法是给播客、访谈或会议录音生成带时间轴的字幕,方便后续剪辑与检索。

2.4万2,474Python
语音识别最近提交 2026-09-26
modelscope

FunASR

FunASR 是开源语音识别 toolkit,覆盖训练、推理与流式 ASR,还集成 VAD、标点和说话人分离 pipeline,并提供 OpenAI 兼容与 MCP 服务。典型场景是开发者用 Python 快速搭建实时字幕或会议转写服务。

2.1万2,075Python
语音识别最近提交 2026-10-10
NVIDIA-NeMo

Speech

NVIDIA NeMo Speech 是一个可扩展的生成式 AI 框架,专为语音识别与语音合成任务打造,帮开发者省去从零搭建训练流程的麻烦。最典型的用法是拿它微调 ASR 模型,通过 Python 脚本或 CLI 完成数据准备、训练与推理。

1.9万3,642Python
语音识别最近提交 2026-10-11
leon-ai

leon

Leon 是一个开源的个人智能助手,用 TypeScript 编写,采用 MIT 许可。它把语音识别与自然语言理解结合起来,让你通过说话就能完成日常操作。最典型的用法是在本地或自建服务器上跑起 Leon,接入自己的 skill,用语音或文字下达指令,比如查天气、记待办,省去手动点开各种应用。

1.8万1,474TypeScript
语音识别最近提交 2026-10-11
kaldi-asr

kaldi

Kaldi 是开源的语音识别工具包,为开发者提供从特征提取到声学建模的完整方案。它主要用 Shell 和 C++ 构建,适合搭建传统混合与神经网络语音识别系统。典型场景是研究者基于其 recipe 在标准数据集上训练并评测自己的声学模型。

1.5万5,350Shell
语音识别最近提交 2025-09-22
k2-fsa

sherpa-onnx

sherpa-onnx 是一个基于 onnxruntime 的离线语音处理工具库,无需联网即可完成语音识别、合成与说话人分离等任务。它面向嵌入式与移动端,提供多语言 SDK,典型场景是在 Android 或树莓派上跑本地实时语音转文字。

1.5万1,764C++
语音识别最近提交 2026-10-12