Voice-Privacy-Challenge-2020

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。

适用于Android、iOS、树莓派和服务器的离线语音识别API，支持Python、Java、C#和Node.js。

简单易用的语音工具包，包含自监督学习模型、具有标点符号的先进/流式语音识别、带文本前端的流式语音合成、说话人识别系统、端到端语音翻译和关键词识别功能。荣获NAACL2022最佳演示奖。

基于PyTorch的语音工具包

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

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。

一款上下文感知、可插拔、可定制的文本和图像数据保护和去标识化 SDK

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。