alphacep/vosk-api

解決する課題

インターネット接続を必要とせずに、話し言葉をテキストに変換できる、オフラインのオープンソース音声認識ツールキットを提供します。20以上の言語と方言をサポートしています。

仕組み

Voskは、大規模な語彙の連続的な文字起こしを可能にする、軽量で効率的なモデル（約50 MB）を使用しています。ゼロレイテンシの応答を実現するストリーミングAPIを提供し、話者識別や再構成可能な語彙もサポートしています。

対象者

チャットボット、スマート家電、仮想アシスタントを構築する開発者、および映画の字幕作成や講義・インタビューの文字起こしを必要とする方々。

ハイライト

• プライバシーと信頼性のためのオフライン機能。
• 20以上の言語と方言をサポート。
• Raspberry Piから大規模クラスターまで、あらゆる環境で動作する軽量モデル（50 MB）。
• Python, Java, Node.JS, C#, C++, Rust, Goを含む複数の言語のバインディングが利用可能。