Reverb

オープンソースの音声認識と話者分離モデル推論コード

一般製品プログラミング音声認識話者分離

Reverbは、音声認識（ASR）にWeNetフレームワーク、話者分離にPyannoteフレームワークを用いた、オープンソースの音声認識と話者分離モデル推論コードです。詳細なモデルの説明を提供しており、Hugging Faceからモデルをダウンロードできます。Reverbは、開発者や研究者が様々な音声処理タスクを支援するための、高品質の音声認識と話者分離ツールを提供することを目的としています。

Best AI Websites & Tools

Reverb

Reverb 最新のトラフィック状況

Reverb 訪問数の傾向

Reverb 訪問地理的分布

Reverb トラフィックソース

Reverb 代替品

Reverb — オープンソースの音声認識と話者分離モデル推論コード

FireRedASR-AED-L — オープンソースの産業レベル自動音声認識モデル。標準中国語、方言、英語に対応し、優れた性能を誇ります。

FireRedASR — オープンソースの工業レベル標準中国語自動音声認識モデルで、様々なアプリケーションシナリオに対応しています。

RealtimeSTT — 高度な音声活動検出、ウェイクワードアクティベーション、リアルタイム転写機能を備えた、堅牢で効率的な低遅延の音声テキスト変換ライブラリです。

xiaozhi-esp32 — ESP32ベースのAIチャットボットプロジェクト。多言語対応の会話と声紋認証を実現します。

Moonshine Web — リアルタイムブラウザ対応音声認識アプリケーション

OLMo 2 7B — 7Bパラメータの大規模言語モデル。自然言語処理能力を向上させます。

Skywork-o1-Open-PRM-Qwen-2.5-1.5B — Skywork o1 Openシリーズモデル。複雑な問題解決能力を向上させます。

MLX自動字幕生成ツール — Apple MLXフレームワークに基づいたビデオ字幕生成ツール

Transcribro — Androidプラットフォーム上で動作する、プライベートかつデバイスローカルの音声認識キーボードおよびテキストサービスです。

OmniSenseVoice — 超高速音声認識、高精度タイムスタンプ

Mini-Omni — リアルタイム音声入力とストリーミング音声出力をサポートする、オープンソースのマルチモーダル大規模言語モデルです。

OpenVoiceChat — 大規模言語モデルと自然な音声対話を行うことができます。

音声対音声変換 — オープンソースの音声対音声変換モジュール

WeST — 300行コードでLLMベースの音声転写を実現。

FunAudioLLM — 自然な対話による音声理解と生成を行う基礎モデル

FunClip — オープンソース、高精度、使いやすい動画切り出しツール

チャットUI — HuggingChatアプリケーションを支えるオープンソースコードライブラリです。

l1m — LLMをベースとした、テキストと画像から構造化データを抽出するためのプロキシAPIです。

Proxy Lite — Proxy Liteは、ウェブ自動化タスクに特化した、オープンソースの30億パラメーターの視覚言語モデル（VLM）です。

AoT — Atom of Thoughts (AoT)は大規模言語モデルの推論性能を向上させるためのフレームワークです。

OpenManus — OpenManusは、招待コードなしで使用できるオープンソースのインテリジェントエージェントプロジェクトです。

CocoIndex — CocoIndexは、カスタム変換ロジックと増分更新をサポートするオープンソースのデータインデックスエンジンです。

NeoBase — NeoBaseは、自然言語でデータベースとやり取りできるオープンソースのAIデータベースアシスタントです。

Instella — Instellaは、AMDが開発した高性能なオープンソース言語モデルであり、オープンソース言語モデルの発展を加速するために設計されています。

Aya Vision 32B — Aya Vision 32Bは、OCR、画像記述、視覚推論など、多様な用途に適した多言語対応のビジュアル言語モデルです。

Aya Vision 8B — 8億パラメーターの多言語視覚言語モデルで、OCR、画像キャプション、視覚推論などの機能をサポートしています。

Scira — Sciraは、ユーザーがインターネット上で情報を検索するのに役立つ、ミニマリストなAI駆動型検索エンジンです。

MindMapper — URL、YouTubeビデオ、またはテキストプロンプトからインタラクティブなマインドマップを生成するWebアプリケーションです。