pyannote-audio

基于 PyTorch 的语音工具包

您应用中的前沿CoreML音频模型——文本转语音、语音转文本、语音活动检测和说话人日志。使用Swift编写，由最先进的开源技术驱动。

SincNet 是一种用于高效处理原始音频样本的神经架构。

工业级语音识别工具包：170倍实时速度、50多种语言、说话人分离、情感检测、流式传输和兼容OpenAI的API。