# ASR

PengChengStarlingは、多言語自動音声認識（ASR）に特化したオープンソースツールキットで、icefallプロジェクトをベースに開発されています。データ処理、モデル訓練、推論、微調整、デプロイといったASRの全プロセスをサポートしています。パラメータ設定の最適化とRNN-Transducerアーキテクチャへの言語IDの統合により、多言語ASRシステムのパフォーマンスを大幅に向上させています。主な利点としては、効率的な多言語サポート、柔軟な設定設計、強力な推論性能が挙げられます。PengChengStarlingのモデルは、様々な言語で優れた性能を発揮し、モデルサイズが小さく推論速度が非常に速いため、効率的な音声認識が必要な場面に最適です。

Moonshine Webは、ReactとViteを用いて構築されたシンプルなアプリケーションです。高速かつ正確な自動音声認識（ASR）向けに最適化された強力な音声認識モデルであるMoonshine Baseを搭載しています。リソースに制限のあるデバイスにも対応可能です。このアプリケーションはブラウザ上でローカルに動作し、Transformers.jsとWebGPUによる高速化（またはWASMを代替として）を採用しています。サーバー不要でローカル音声認識を実現できる点が重要であり、音声データの迅速な処理が必要なアプリケーションに最適です。

Voice-Proは、字幕、翻訳、テキスト読み上げ（TTS）機能を統合したソリューションです。動画への多言語字幕と多言語音声の追加に対応し、動画コンテンツの世界展開を支援します。OpenAI Whisperとオープンソースの翻訳ツール、TTS技術を採用し、ワンクリックインストールとポータブルな使用を実現しています。また、UVR5とMetaのDemucsエンジンを使用したVocal Removerを搭載し、音声認識の精度向上を図っています。

テンセントクラウド音声認識（ASR）は、開発者に音声テキスト変換サービスの最適な体験を提供します。高い認識精度、容易なアクセス、安定したパフォーマンスを特長としています。テンセントクラウド音声認識サービスは、リアルタイム音声認識、単文認識、録音ファイル認識の3種類のサービス形式を提供し、さまざまなタイプの開発者のニーズを満たします。高度な技術、高いコストパフォーマンス、多言語サポートを備え、カスタマーサービス、会議、法廷など、さまざまなシナリオに適用できます。