颠覆性语音识别：单词级时间戳和说话人分离 | 开源日报 No.53

小柒

发布于 2023-10-17 15:02:26

5120

发布于 2023-10-17 15:02:26

文章被收录于专栏：开源服务指南

picture

vbenjs/vue-vben-admin[1]

Stars: 19.7k License: MIT

picture

Vue Vben Admin 是一个免费开源的中后台模板，使用最新的 vue3、vite4 和 TypeScript 等主流技术进行开发。该项目提供了现成的中后台前端解决方案，并可用于学习参考。

使用先进的前端技术如 Vue3/vite2 进行开发
应用级 JavaScript 语言 TypeScript
可配置化主题
内置完整国际化方案
内置 Mock 数据方案
内置完整动态路由权限生成方案

pure-admin/vue-pure-admin[2]

Stars: 10.7k License: MIT

picture

vue-pure-admin 是一款开源免费且开箱即用的中后台管理系统模版。主要功能包括使用最新的 Vue3、Vite、Element-Plus、TypeScript 等技术进行开发。该项目具有以下核心优势和特点：

精简版打包大小低于 2.3MB，在全局引入 element-plus 情况下仍然低于 350kb
支持非国际化精简版和国际化精简版两个版本选择
提供配套视频教程和 UI 设计文档
可以在 Gitpod 在线环境中快速开始编码
支持 Docker 容器部署预览

arc53/DocsGPT[3]

Stars: 6.7k License: MIT

picture

DocsGPT 是一个开源的文档助手项目，它集成了强大的 GPT 模型，可以简化在项目文档中查找信息的过程。开发人员可以轻松提问关于项目的问题，并获得准确答案。

wasp-lang/wasp[4]

Stars: 6.1k License: MIT

picture

Wasp 是一个用于 React、Node.js 和 Prisma 的类似 Rails 的框架，它可以快速开发全栈 Web 应用程序。以下是 Wasp 项目的主要功能和核心优势：

快速入门：由于其表达能力强，您只需使用非常少量简洁、一致且声明性代码即可从头开始创建并部署生产就绪的 Web 应用程序。
无样板文件：通过抽象复杂的全栈特性，减少了样板代码。这意味着更少需要维护和理解的代码！也意味着更容易升级。
无锁定：您可以在任何地方部署 Wasp 应用程序。没有对特定提供商进行锁定，在代码上具有完全控制权。

其他关键功能包括 Full-stack Auth，RPC (Client <-> Server)，Simple Deployment，Jobs，Email Sending 以及 Full-stack Type Safety 等。

m-bain/whisperX[5]

Stars: 5.6k License: BSD-4-Clause

picture

WhisperX 是一个语音识别开源项目，具有单词级时间戳和说话人分离功能。

使用 whisper large-v2 进行批量推理，以达到 70 倍的实时转录
faster-whisper 后端更快，并且对于 large-v2 模型只需要小于 8GB GPU 内存
使用 wav2vec2 对齐来获得准确的单词级时间戳
利用 pyannote-audio 中的说话人分离技术进行多说话人 ASR (带有说话者 ID 标签)
VAD 预处理可以降低幻听问题，并在不影响 WER 情况下进行批处理

ckan/ckan[6]

Stars: 4.0k License: NOASSERTION

picture

CKAN 是世界领先的开源数据门户平台，它使发布、共享和处理数据变得简单。作为一个数据管理系统，CKAN 提供了强大的平台来编目、存储和访问各种数据集，并具有丰富的前端界面、完整的 API (用于数据和目录)、可视化工具等功能。

提供强大而易用的平台来编目、存储和访问各种类型的数据集
具备全面覆盖前后端需求以及可扩展性高效能力
支持自定义主题风格与多语言支持