Kit de herramientas de código abierto para transcripción de voz, reconocimiento de intenciones y síntesis de voz en el dispositivo, pensado para agentes y aplicaciones de voz en tiempo real.
Alternativa open source a:Whisper
Moonshine Voice es un kit de herramientas de IA de código abierto para crear agentes y aplicaciones de voz en tiempo real. Se ejecuta íntegramente en el dispositivo, por lo que no requiere una cuenta ni claves de API y mantiene el audio en local.
Los modelos de transcripción de voz se entrenan desde cero y abarcan desde modelos pequeños, de alrededor de 1 MB, para dispositivos con recursos limitados, hasta modelos más grandes que priorizan la precisión. La biblioteca está diseñada para la transmisión en directo y empieza a procesar mientras el usuario aún está hablando, lo que reduce la latencia de respuesta. Ofrece una sola API para Python, JavaScript/WASM, iOS, Android, macOS, Linux, Windows y Raspberry Pi.
El proyecto también incluye reconocimiento de intenciones y síntesis de voz, además de una skill para agentes de programación que enseña a los asistentes a usar la API actual. Por defecto, los modelos tienen licencia MIT; algunos modelos antiguos para idiomas distintos del inglés están sujetos a una licencia no comercial.
Instala el paquete de Python
pip install moonshine-voiceTranscribe en inglés en tiempo real desde el micrófono
moonshine-voice mic --language enPara otras plataformas, sigue la guía de inicio rápido
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Herramienta de código abierto para traducir videos a otros idiomas mediante reconocimiento de voz, traducción de subtítulos, doblaje con IA y síntesis de audio y video.
Framework de Python de código abierto para crear agentes de IA conversacionales en tiempo real, con servicios intercambiables de voz, LLM y transporte.
Familia open source de modelos de voz con IA de Microsoft: reconocimiento de voz de larga duración (ASR), text-to-speech (TTS) para varios hablantes y TTS en streaming en tiempo real.
Toolkit de código abierto de NVIDIA para crear, ajustar y desplegar modelos de IA de voz, incluidos reconocimiento de voz (ASR), texto a voz (TTS) y LLM de voz.
Kit de voz sin conexión basado en onnxruntime para reconocimiento de voz, síntesis de voz, VAD, diarización y más, en múltiples plataformas e idiomas.
Framework de código abierto para agentes de voz conversacionales multimodales en tiempo real, con ejemplos listos para usar y un diseñador visual.