vosk-api

Ne işe yarar?

Vosk, internet bağlantısına gerek duymadan konuşmayı yazıya çeviren açık kaynaklı bir konuşma tanıma araç takımıdır. Yaklaşık 50 MB boyutundaki küçük modelleriyle geniş kelime dağarcığı sunar ve ses akışlarını gecikmesiz işleyebilir. Türkçe dahil 20'den fazla dili desteklerken konuşmacı tanıma ve özelleştirilebilir kelime listesi özellikleri sağlar. Python, Java, Node.js ve C++ bağlayıcılarıyla Raspberry Pi'den sunucu kümelerine kadar geniş bir donanım yelpazesinde çalışır.

Neler için kullanılabilir?

• Akıllı ev aletleri ve robotlara internetsiz sesli komut anlama özelliği eklemek
• Video ve ders kayıtları için otomatik Türkçe alt yazı üretmek
• Raspberry Pi gibi düşük kaynaklı cihazlarda çevrimdışı sesli asistan geliştirmek

Nasıl kullanılır?

1. Kullandığınız programlama diline uygun Vosk kütüphanesini kurun.
2. Resmi web sitesinden Türkçe veya hedeflediğiniz dilin önceden eğitilmiş modelini indirin.
3. Modeli projenizde yükleyerek ses dosyasından veya mikrofondan gelen akışı yazıya dönüştürün.

Adımlar deponun README'sinden özetlendi; güncel kurulum için deponun kendi sayfasına bakın.

Kimler için?

Farklı dillerde internetsiz ve hafif konuşma tanıma çözümleri geliştirmek isteyen yazılımcılar.

Aynı kategoriden

• Whisper Konuşmaları metne dönüştüren ve çeviri yapabilen genel amaçlı yapay zekâ modeli.
• VoiceStudio Kendi bilgisayarınızda çalışan ses klonlama, dublaj ve konuşma tanıma aracı.
• GPT-SoVITS (63K) Kısa bir ses kaydıyla ses klonlama ve metinden konuşma üretimi sağlayan web arayüzü.
• voicebox (57,7K) Yerel olarak çalışan açık kaynaklı yapay zekâ ses stüdyosu ve dikte aracı.
• whisper.cpp OpenAI Whisper modelinin C ve C++ ile yazılmış yüksek performanslı yerel sürümüdür.
• VoxCPM (39K) 30 dilde doğal seslendirme, ses tasarımı ve klonlama sunan açık kaynaklı TTS modeli.