ASR, VAD और इमोशन मॉडल के लिए इंडस्ट्रियल स्पीच रिकग्निशन टूलकिट।
ऑफ़लाइन, स्ट्रीमिंग और एज डिप्लॉयमेंट के साथ इंडस्ट्रियल स्पीच रिकग्निशन टूलकिट।
FunASR एक इंडस्ट्रियल-ग्रेड ओपन सोर्स स्पीच रिकग्निशन टूलकिट है जो ट्रेनिंग, इन्फेरेंस, स्ट्रीमिंग ASR, VAD, विराम चिह्न और स्पीकर डायरियाइजेशन का समर्थन करता है। यह उन डेवलपर्स और शोधकर्ताओं के लिए उपयुक्त है जिन्हें हाई-परफॉर्मेंस लोकल ऑडियो ट्रांसक्रिप्शन की आवश्यकता होती है।
यह टूलकिट बहुभाषी ट्रांसक्रिप्शन, वॉयस एक्टिविटी डिटेक्शन, इमोशन रिकग्निशन और ऑडियो-इवेंट क्लासिफिकेशन के लिए SenseVoice और Paraformer जैसे मॉडल प्रदान करता है। यह पायथन इंटीग्रेशन, एजेंटों के लिए CLI, और बिना पायथन के CPU और एज डिवाइस के लिए llama.cpp के माध्यम से GGUF बाइनरी का समर्थन करता है।
यह स्थानीयकृत स्पीच एप्लिकेशन बनाने वाले डेवलपर्स या सटीक चीनी और बहुभाषी स्पीच पाइपलाइन चाहने वाले शोधकर्ताओं के लिए उपयुक्त है। यह उन अंतिम उपयोगकर्ताओं के लिए उपयुक्त नहीं है जो कमांड-लाइन उपयोग के बिना प्लग-एंड-डेस्कटॉप GUI डिक्टेशन ऐप की तलाश कर रहे हैं।
आसान एकीकरण के लिए OpenAI ऑडियो ट्रांसक्रिप्शन API से मेल खाने वाले स्थानीय एंडपॉइंट चलाएं।
लाइव ट्रांसक्रिप्शन जनरेट करने के लिए कस्टम चंक साइज़ के साथ ऑडियो को चंक दर चंक फीड करें।
उच्चारण-ग्रेनुएलिटी इमोशन डिटेक्शन के लिए emotion2vec मॉडल का उपयोग करके ऑडियो फ़ाइलों का विश्लेषण करें।
पायथन की आवश्यकता के बिना llama.cpp के माध्यम से मॉडल को एक एकल स्व-निहित बाइनरी के रूप में चलाएं।
इसके MIT लाइसेंस के तहत मुफ़्त, रिपॉजिटरी में किसी भी भुगतान किए गए होस्टेड विकल्प का उल्लेख नहीं है। एकमात्र लागत इसे अपने स्वयं के हार्डवेयर पर स्वयं चलाना है।
877 खुले रिमोट AI-ट्रेनिंग रोल, 16 नवंबर 2026 को अपडेट; ज़्यादातर में $20–$175 प्रति घंटा। इनमें से 5 हिंदी बोलने वालों के लिए हैं। Zekai इन्हें मुफ़्त में लिस्ट करता है; आवेदन एम्प्लॉयर के प्लेटफ़ॉर्म पर जाता है।
हाँ, आप CPU या एज डिवाइस पर SenseVoice जैसे मॉडल को एक एकल स्व-निहित बाइनरी के रूप में चलाने के लिए पूर्व-निर्मित llama.cpp GGUF बाइनरी का उपयोग कर सकते हैं।
हाँ, वास्तविक समय के टेक्स्ट परिणाम आउटपुट करने के लिए आप स्ट्रीमिंग मॉडल कॉन्फ़िगरेशन में ऑडियो को चंक दर चंक फीड कर सकते हैं।
Google में Zekai को सबसे पहले देखें