Whisper Edge开源项目 – 边缘设备实时语音转录

SEPIA 服务器支持通过WebSocket连接进行开源语音识别，易于自定义与扩展，兼容多种语音识别引擎。

Ichigo Llama 3.1是一个开源的Llama语音项目，类似于OpenAI的语音模式，经过50K小时的语音训练，支持7种语言，能够进行实时语音AI处理，并针对1.89M个样本进行了指令调整。项目使用10x A1000进行训练，旨在提供高效、准确的语音识别与生成能力。

DenoLyrics是一个基于AI模型的网络应用，支持143种语言，提供音频转录、字幕、文本摘要和多语言翻译。它使用大型模型Whisper进行实时语音识别。

Wenet STT Python是一个基于WeNet的语音识别库，旨在提供高效、准确的语音转文本功能。它支持多种语言，能够实时处理语音输入，并允许用户自定义模型以满足特定需求，易于与现有Python项目集成。

BetterWhisperX是基于Whisper改进的自动语音识别工具，提供单词级别的时间戳和说话人识别功能，使得语音转文字更加精准和高效。它使用了先进的技术，如wav2vec2.0强制对齐，以提高时间戳的准确性，并支持多说话人的语音处理，适合各种场景下的应用。

VITA是一个接近GPT-4o级别的开源实时视觉语音交互模型，能够理解图片和视频内容，并用语音回答用户的问题。

sherpa-ncnn 是一个使用下一代 Kaldi 和 ncnn 构建的实时语音识别系统，支持多种语言和方言，具备低延迟性能，适合各种实时应用场景。它提供灵活的模型部署选项，并兼容 Kaldi 的最新技术，能够满足开发者的多样化需求。

JNEEG项目将Jetson Nano板转换为脑-计算机接口，能够通过8个通道实时测量脑电图（EEG）、肌电图（EMG）和心电图（ECG）信号。

AIQ Interview 是一款基于大型模型技术的先进AI在线面试助手和模拟工具，提供实时语音识别、二级响应提示和行业及职位的个性化调整，帮助用户提升求职竞争力。用户可以体验模拟面试、获得详细反馈报告，并根据目标公司和职位设定面试目标，上传简历以获得AI生成的回答。

april-asr是一个用C语言开发的语音转文本(STT)库，具备高效的语音识别算法和实时转录功能，支持多种语言，具有可扩展的架构，便于集成到其他项目中，适用于多种应用场景。

WhisperS2T是一个为Whisper模型优化的语音转文本处理管道，支持多个推理引擎，旨在提供高准确率和灵活配置选项的语音识别解决方案。

FunASR 是一个旨在连接学术研究与工业应用的语音识别工具包。它支持工业级语音识别模型的训练与微调，帮助研究者和开发者更方便地进行语音识别模型的研究与生产，推动语音识别生态的发展。FunASR 提供了丰富的预训练模型和便捷的脚本与教程，支持推理和微调，涵盖语音识别、语音活动检测、标点恢复、语言模型、说话人验证、说话人分离等多种功能。

SpeechPulse是一个利用计算机麦克风进行实时语音识别的应用程序，可以将语音转换为文本，支持在文本编辑器、网页浏览器和办公应用中输入，同时还可以转录音频/视频文件并生成字幕。

一种在文本到图像合成中实现语义绑定的方法，无需进行训练。

XReplyGPT是一个Chrome扩展，它能够自动生成对Twitter上推文的回复。该工具分析推文内容，并生成合适且相关的回应，从而节省用户在Twitter上互动的时间和精力。