Faster Whisper 相关的热门 GitHub AI项目仓库

OpenAI Whisper 模型的 C/C++ 端口

开放式MMLab目标检测工具箱和基准测试

使用CTranslate2加速Whisper语音转录

WhisperX：带单词级时间戳（和说话人识别）的自动语音识别

Buzz可以在你的个人电脑上离线转录和翻译音频，它由OpenAI的Whisper技术驱动。

基于PaddlePaddle的目标检测工具包。它支持目标检测、实例分割、多目标跟踪和实时多人关键点检测。

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。

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。

OpenAI 的 ChatGPT、GPT-3、GPT-4、DALL·E 以及 Whisper API 的 Go 语言封装库

TensorFlow 2.x 版本的教程和示例，涵盖卷积神经网络 (CNN)、循环神经网络 (RNN)、生成对抗网络 (GAN)、自动编码器、Faster R-CNN、GPT 和 BERT 等模型的示例代码及实战教程。

One UI界面完全由ChatGPT网页版、Midjourney、GPTs、Suno、Luma、Runway、Viggle、Flux、Ideogram、Realtime、Pika和Udio等工具制作完成；同时支持网页端、PWA、Linux、Windows和MacOS平台。

飞书结合GPT-4、GPT-4V、DALL·E 3和Whisper，带来飞一般的办公体验！你可以体验语音对话、角色扮演、多主题讨论、图片创作、表格分析和文档导出等功能。

苹果硅芯片上的设备语音识别

基于OpenAI Whisper的带说话人分段的自动语音识别

端到端语音识别工具包：首发版及生产就绪版

在TPU上，使用JAX实现的OpenAI Whisper模型，速度提升可达70倍。

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。

一个基于Whisper模型反向构建的开源文本转语音系统。

面向创作者和开发者的 Gradio 可视化界面，集成了关键的文本转语音技术（Edge-TTS、kokoro）和零样本语音克隆功能（E2E、F5-TTS、CosyVoice），并包含 Whisper 音频处理、RVC 变声器、YouTube 下载、UVR5 人声分离以及多语言翻译功能。

AI 赋能的 Mac 应用，助你攻克技术面试