模型
标签
同类项目
FunASR21k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-Diarize2.3k开源0.9B 端 到 端音 频理 解模型， 支持 50 多 种 语言 的 长音 频 转写、 说话 人 分离、 时间 戳 和 声学 事件 标注， 附带 推理 代码、 字幕 Web 应用 与 微调 指南。 
CrisperWhisper1.5k面向 逐字 转写 的 多语 言语 音识 别模型， 支持 逐字 /意 图双 模式 与 词级 时间 戳， 并 提供 推理 代码 与 权重。 
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。 
voxcpm41.3k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。