Speech Recognition | 技术杂烩

Silero VAD：一款轻量级、高精度的语音活动检测器

Silero VAD 是一个预训练的，企业级语音活动检测器 (VAD)，也提供语音识别模型。

为什么选择 Silero VAD？

**高精度：**Silero VAD 在语音检测任务上表现出色，拥有领先的检测精度。
**快速：**单个音频片段（30+ 毫秒）在单核 CPU 上处理时间不到 1ms。使用批处理或 GPU 可以进一步提高性能。
**轻量级：**JIT 模型大小约为 2MB。
**通用性：**Silero VAD 在包含 6000 多种语言的庞大语料库上进行训练，并在不同领域、不同背景噪音和音频质量水平的音频上表现良好。
**灵活的采样率支持：**Silero VAD 支持 8000 Hz 和 16000 Hz 的采样率。
**高度可移植性：**Silero VAD 充分利用了 PyTorch 和 ONNX 丰富的生态系统，可以在这些运行时环境中运行。
**自由使用：**Silero VAD 以 permissive 许可证 (MIT) 发布，没有附加条件 - 没有 telemetry、密钥、注册、内置到期时间、密钥或供应商锁定。

快速入门

……

实时语音识别：打造低延迟、易用的语音转文本库

实时语音识别 (RealtimeSTT) 是一款专为实时应用设计的，易于使用、低延迟的语音转文本库。它可以实时监听麦克风并将语音转换为文本，非常适合各种需要快速准确语音转文本的应用场景。 https://github.com/KoljaB/RealtimeSTT

项目介绍

RealtimeSTT 是从 Linguflex 项目衍生而来，Linguflex 是一个强大的开源助手，可以让你通过语音控制环境。RealtimeSTT 继承了 Linguflex 的强大功能，并专注于提供更易于使用的语音转文本解决方案。