sherpa-onnx

Proyecto de código abierto que admite múltiples funciones de reconocimiento y síntesis de voz.

Producto ComúnProgramaciónReconocimiento de vozSíntesis de voz

sherpa-onnx es un proyecto de reconocimiento y síntesis de voz basado en la próxima generación de Kaldi, que utiliza onnxruntime para la inferencia y admite diversas funciones relacionadas con el habla, incluyendo conversión de voz a texto (ASR), conversión de texto a voz (TTS), reconocimiento de orador, verificación de orador, identificación de idioma y detección de palabras clave. Es compatible con múltiples plataformas y sistemas operativos, incluyendo sistemas integrados, Android, iOS, Raspberry Pi, RISC-V y servidores.

Admite el reconocimiento de voz (ASR) continuo y no continuo.
Admite la conversión de texto a voz (TTS).
Admite el reconocimiento de orador.
Admite la verificación de orador.
Admite la identificación de idioma.
Admite el etiquetado de audio y la detección de palabras clave.
Admite múltiples plataformas y sistemas operativos.

sherpa-onnx es adecuado para desarrolladores e investigadores
especialmente aquellos que necesitan implementar funciones de reconocimiento y síntesis de voz en diferentes plataformas. Ofrece múltiples API
incluyendo C++
C
Python

Usa sherpa-onnx para implementar la conversión de voz a texto en tiempo real en un dispositivo Android.
Utiliza sherpa-onnx en un servidor para realizar tareas de reconocimiento de voz por lotes.
Utiliza sherpa-onnx en un sistema embebido para la detección de palabras clave.

1. Clona o descarga el proyecto sherpa-onnx en tu equipo local.
2. Selecciona la API y la plataforma adecuadas según las funciones que necesites.
3. Configura el entorno y las dependencias según las instrucciones de la documentación.
4. Carga los modelos preentrenados y realiza pruebas.
5. Ajusta los parámetros y optimiza el rendimiento según tus necesidades.

Abrir sitio web

sherpa-onnx Situación del tráfico más reciente

Total de visitas mensuales

474564576

Tasa de rebote

36.20%

Páginas promedio por visita

6.1

Duración promedio de la visita

00:06:34

sherpa-onnx Tendencia de visitas

sherpa-onnx Distribución geográfica de las visitas

sherpa-onnx Fuentes de tráfico

sherpa-onnx Alternativas

sherpa-onnx — Proyecto de código abierto que admite múltiples funciones de reconocimiento y síntesis de voz.

Programación

•Reconocimiento de voz•Síntesis de voz

1524

Gemini 2.0 Flash Experimental — Modelo de IA de alto rendimiento desarrollado por Google DeepMind

Selección Internacional

•IA•Aprendizaje automático

474

CosyVoice Generación de Voz Modelo grande 2.0-0.5B — Modelo de síntesis de voz eficiente y multilingüe

Música

Best AI Websites & Tools

sherpa-onnx

sherpa-onnx Situación del tráfico más reciente

sherpa-onnx Tendencia de visitas

sherpa-onnx Distribución geográfica de las visitas

sherpa-onnx Fuentes de tráfico

sherpa-onnx Alternativas

sherpa-onnx — Proyecto de código abierto que admite múltiples funciones de reconocimiento y síntesis de voz.

Gemini 2.0 Flash Experimental — Modelo de IA de alto rendimiento desarrollado por Google DeepMind

CosyVoice Generación de Voz Modelo grande 2.0-0.5B — Modelo de síntesis de voz eficiente y multilingüe

OuteTTS — Un modelo experimental de texto a voz.

GLM-4-Voice — Modelo de diálogo de voz en inglés y chino de extremo a extremo

Resumidor de Reuniones con IA — Herramienta de IA que transcribe el audio de las reuniones y genera automáticamente un resumen.

Deepgram Voice Agent API — Inteligencia artificial conversacional en tiempo real, con acceso a través de API con un solo clic.

iFLYTEK Avatar Virtual — Servicio de aplicación de avatar virtual multi-escena integral

Aixploria — Directorio de herramientas de IA, descubre las mejores herramientas de IA

Mini-Omni — Modelo de lenguaje grande multi-modal de código abierto, compatible con entrada de voz en tiempo real y salida de audio en streaming.

Llama3-s v0.2 — Punto de control multimodal más reciente, mejora la capacidad de comprensión del habla.

conversor-voz-a-voz — Módulo de conversión de voz a voz de código abierto

WeST — Transcrición de voz basada en LLM con 300 líneas de código.

CosyVoice — Modelo de generación de voz multilingüe a gran escala, que ofrece capacidades de inferencia, entrenamiento e implementación completas.

FunAudioLLM — Modelo base para la comprensión y generación de voz con interacción natural

Azure Cognitive Services Voz — Permite que las aplicaciones interactúen de forma inteligente mediante la conversión de voz a texto y viceversa.

StreamSpeech — Traducción de voz en tiempo real, un puente para la comunicación entre idiomas.

Gemini 1.5 Flash — Modelo de IA ligero y eficiente de Google, diseñado para tareas de alta frecuencia y gran escala.

Solución de Atención al Cliente Inteligente con IA de iFlytek — Solución multicanal de atención al cliente inteligente basada en la tecnología de voz de iFlytek.

AnyGPT — Modelo de lenguaje grande multimodal

Docker GenAI Stack — Solución de desarrollo de aplicaciones de inteligencia artificial lanzada por Docker

Plataforma Abierta iFlytek — Plataforma abierta de inteligencia artificial basada en la interacción por voz

¿Qué dirían? — Asistente de idioma inteligente para una comunicación más sencilla.

Generador Aleatorio de Prompts de IA — Asistente de voz inteligente para simplificar tu vida

Speechllect — Solución de conversión de voz a texto/texto a voz con IA en tiempo real

Podcast — Convierte tu voz en un asistente de voz

TTSLabs — Servicio de síntesis y reconocimiento de voz en línea

Neon AI — Inteligencia artificial conversacional fácil de usar, que satisface las necesidades de empresas y hogares.

Voiser — La herramienta más realista de texto a voz y voz a texto

Spark-TTS — Spark-TTS es un modelo de síntesis de voz de flujo único desacoplado y eficiente basado en modelos de lenguaje grandes.