sherpa-ncnn
Reconnaissance vocale en temps réel et détection d'activité vocale (VAD) utilisant Kaldi de nouvelle génération avec ncnn sans connexion Internet. Prend en charge iOS, Android, Linux, macOS, Windows, Raspberry Pi, VisionFive2, LicheePi4A, etc.
Effectuez une reconnaissance vocale en temps réel et une détection de la voix sur divers appareils sans avoir besoin d'internet.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentReconnaissance vocale en temps réel et détection d'activité vocale (VAD) utilisant Kaldi de nouvelle génération avec ncnn sans connexion Internet. Prend en charge iOS, Android, Linux, macOS, Windows, Raspberry Pi, VisionFive2, LicheePi4A, etc.
sherpa-ncnn compte 1.8k étoiles sur GitHub. Il a été forké 216 fois. sherpa-ncnn est écrit principalement en C++. Il est développé activement depuis 2022. sherpa-ncnn est disponible sous licence Apache-2.0. Ses principaux thèmes sont : asr, c, cpp, csharp.
Qu'est-ce que sherpa-ncnn ?
Reconnaissance vocale en temps réel et détection d'activité vocale (VAD) utilisant Kaldi de nouvelle génération avec ncnn sans connexion Internet. Prend en charge iOS, Android, Linux, macOS, Windows, Raspberry Pi, VisionFive2, LicheePi4A, etc.
sherpa-ncnn est-il open source ?
sherpa-ncnn est un projet open source. Il est distribué sous licence Apache-2.0.
sherpa-ncnn est-il gratuit ?
Oui. sherpa-ncnn est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est sherpa-ncnn ?
sherpa-ncnn est disponible sous licence Apache-2.0.
Dans quel langage sherpa-ncnn est-il écrit ?
sherpa-ncnn est écrit principalement en C++.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://opensourceai.tech/project/k2-fsa-sherpa-ncnn.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.