Все репозитории

whisper

Эталонная модель распознавания речи от OpenAI: транскрибирует аудио на десятках языков, переводит речь и определяет язык.

Кому подойдёт

Тем, кому нужно превращать записи звонков, подкасты и голосовые в текст.

Как начать

  1. Установи пакет: pip install -U openai-whisper (нужен ещё ffmpeg, например brew install ffmpeg).
  2. Расшифруй файл: whisper audio.flac audio.mp3 audio.wav --model turbo.
  3. Для не-английской речи добавь флаг --language, например --language Japanese.

Шаги взяты из README. Перед запуском сверься с актуальной версией в репозитории.

Звёзды за последние 30 дней

+1 65324 окт. — 16 нояб.
111 152112 805

Описание автора

Robust Speech Recognition via Large-Scale Weak Supervision

Классический веб-интерфейс для Stable Diffusion: генерация картинок из текста, доработка, апскейл и тысячи расширений от сообщества.

165 тыс.звёзд+196 за 28 дн.Python

Comfy-Org

ComfyUI

Растёт быстрее всех

Графический конструктор пайплайнов для диффузионных моделей: собираешь генерацию картинок, видео и аудио из узлов. Работает локально и умеет отдавать результат по API.

147 тыс.звёзд+4,8 тыс. за 28 дн.Python

RVC-Boss

GPT-SoVITS

Клонирование голоса по очень короткому образцу: минуты записи хватает, чтобы дообучить модель синтеза речи. Есть веб-интерфейс для разметки и обучения.

65 тыс.звёзд+2 тыс. за 30 дн.Python

ggml-org

whisper.cpp

Whisper, переписанный на C/C++: быстро работает на обычном процессоре и на Mac, без Python и тяжёлых зависимостей. Удобно встраивать в приложения.

55 тыс.звёзд+615 за 27 дн.C++

2noise

ChatTTS

Модель синтеза речи, заточенная под живой разговорный диалог: умеет паузы, смех и интонации. Хороша для голосовых помощников и озвучки реплик.

40 тыс.звёзд+106 за 30 дн.Python

myshell-ai

OpenVoice

Мгновенное клонирование голоса: по короткому образцу переносит тембр на любой текст и позволяет менять стиль, эмоции и язык. Лицензия MIT, можно использовать в коммерции.

38 тыс.звёзд+237 за 30 дн.Python