库 / 框架
标签
同类项目
Fun-ASR1.6k通义实验室 开源 的 端到 端语 音识 别模型 家族， 覆盖 中 文方 言口音 与 31 种 语言， 提供 多 种 推理 方案。 
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。 
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。 
ultralytics63.3kUltralytics YOLO系列视 觉 模型 的 Python库， 支持 检测 分割 分类 姿态 跟踪 等 任务 的 训练 部署。