whisperX

OpenAI Whisper 模型的 C/C++ 端口

只需5秒钟，AI就能克隆你的声音，并实时生成任何你想要的语音内容。

DeepSpeech是一个开源的嵌入式（离线，设备端）语音转文本引擎，它可以在从树莓派4到高性能GPU服务器等各种设备上实时运行。

最大的机器学习模型即用型数据集中心，提供快速、易用且高效的数据处理工具

落地SAM：融合DINO、Segment Anything、Stable Diffusion和Recognize Anything，实现自动检测、分割和生成任何物体

Kaldi语音识别工具的官方项目地址是kaldi-asr/kaldi。

最先进的深度学习脚本，按模型分类整理，易于在企业级基础设施上进行训练和部署，并具有可复现的准确性和性能。

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。

AudioGPT：理解和生成语音、音乐、声音和会说话的头像

一个基础的端到端语音识别工具包和开源的SOTA预训练模型，支持语音识别、语音活动检测、文本后处理等功能。