AI语音识别-音转文

一个使用OpenAI的Whisper Large v2进行语音识别的脚本，能够在短短10分钟内转录300分钟的音频 。该项目的目标是提供一个简单的入口来运行推理和微调Whisper，用于自动语音识别（ASR） 。该项目还提供了一个CLI（命令行界面），可以在终端上进行100多种语言的数据翻译和转录 。

Facebook AI推出了一款多语言语音识别模型，它是目前最先进的系统之一，可以同时支持多种语言的语音识别，包括非标准化和口音较重的语音。该模型使用了先进的深度学习技术和自监督学习方法，以更好地利用大量未标记的数据进行训练，并在多项基准测试中取得了最优秀的结果。这一技术的应用可以极大地提高语音识别的准确性和可用性，为用户提供更好的语音交互体验。

OfferGo 快来面 是一款 AI 面试辅助工具，支持语音识别、双屏互联、投屏隐身、智能回答生成。上传简历和知识库后，AI 自动匹配面试问题并生成个性化回答，覆盖技术面、行为面、笔试辅助、薪资谈判等全流程场景。适配腾讯会议、飞书、Zoom、钉钉等全部平台，免费体验 7 天。

标贝科技聚焦面向人工智能创作与应用的在线工具，适合创作者、开发者和需要提升效率的用户使用。，官网域名为data-baker.com。适合需要相关工具与资源的个人用户、创作者或团队使用，可从官网了解最新功能、使用方式和服务条款。

Moshi Chat 是由法国非营利性AI实验室 Kyutai 推出的一款端到端实时AI语音助手，Moshi Chat 不仅可以实时收听，还能进行自然对话，支持多模态交互，包括看、听、说的能力。Moshi Chat 能够理解用户的语调，可以在任何时刻进行听和说的同步操作。此外，Moshi Chat 具备表达和理解多种情感的能力，能够模拟70种不同的情绪和风格，提供流畅的对话体验。

FineVoice is an AI voice generator and video voiceover platform to create realistic text-to-speech, voiceovers, music, and sound effects for videos. Produce studio-quality audio in seconds.

FunASR是一个基础语音识别工具包，提供多种功能，包括语音识别（ASR）、语音端点检测（VAD）、标点恢复、语言模型、说话人验证、说话人分离和多人对话语音识别等。FunASR提供了便捷的脚本和教程，支持预训练好的模型的推理与微调