docker-whisperX

WhisperX：带单词级时间戳（和说话人识别）的自动语音识别

一个可扩展的生成式AI框架，专为从事大型语言模型、多模态和语音AI（自动语音识别和文本转语音）研究和开发的科研人员和开发者而设计。

一个并发、缓存高效且与Dockerfile无关的构建工具包

悟空机器人是一个简单易用、功能灵活、设计优雅的中文语音对话机器人/智能音箱项目。它支持与ChatGPT进行多轮对话，并且可能是首个支持脑机交互的开源智能音箱项目。

几秒钟内即可设置和定制深度学习环境。

本仓库已被存档，并迁移至新的仓库：https://github.com/dragonflyoss/Dragonfly2

离线语音识别、语音合成、说话人分隔、语音增强和语音活动检测，基于下一代Kaldi和ONNX Runtime实现，无需网络连接。支持嵌入式系统、Android、iOS、鸿蒙OS、树莓派、RISC-V、x86_64服务器以及WebSocket服务器/客户端，并支持11种编程语言。

多语言语音理解模型

Nexa SDK是一个全面的工具包，支持GGML和ONNX模型。它支持文本生成、图像生成、视觉语言模型（VLM）、音频语言模型、自动语音识别（ASR）和文本转语音（TTS）功能。

端到端语音识别工具包：首发版及生产就绪版