allosaurus

收录理由

Allosaurus 是一个预训练的多语言音素识别工具，输入一个 wav 文件，就能输出对应的音素序列，覆盖超过 2000 种语言。这种广度让它很有实用价值：不需要自己训练声学模型，开箱即用就能得到一致的音素级转写基线。它可以通过 pip 安装，同时提供命令行和简单的 Python 接口，几行代码就能对单个文件或整个目录进行推理。还支持指定语言识别和 top-k 输出，方便对比不同方言的发音，或者为发音分析构建特征。对于处理多语言语音数据的人来说，这是一个实用的现成组件，而不只是研究演示。