#asr Repositories
Entdecke 100 aktive Open-Source-GitHub-Repositories, die mit #asr getaggt sind und insgesamt 289,141 Sterne gesammelt haben (durchschnittlich 2,891 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist m-bain/whisperX mit 25,556 Sternen.
Insgesamt 101 Repositories
WhisperX: Automatische Spracherkennung mit wortbezogenen Zeitstempeln (& Diarisierung)
Open-Source-Spracherkennungs-Toolkit für Training, Inferenz, Streaming-ASR, VAD, Interpunktion, Sprecherdiarisierungs-Pipelines und OpenAI-kompatiblen/MCP-Service.
Ein skalierbarer generativer KI-Framework, das für Forscher und Entwickler entwickelt wurde, die an Large Language Models, Multimodal und Speech AI (Automatic Speech Recognition und Text-to-Speech) arbeiten
Spracherkennung, Sprachsynthese, Sprecherdiarisierung, Sprachverbesserung, Quellentrennung und VAD unter Verwendung der nächsten Generation von Kaldi mit onnxruntime ohne Internetverbindung. Unterstützung für eingebettete Systeme, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, RK NPU, Axera NPU, Ascend NPU, x86_64-Server, Websocket-Server/-Client, Unterstützung für 12 Programmiersprachen
Offline-Sprachenerkennungs-API für Android, iOS, Raspberry Pi und Server mit Python, Java, C# und Node
Einfaches Sprach-Toolkit mit Self-Supervised-Learning-Modell, SOTA/Streaming-ASR mit Interpunktion, Streaming-TTS mit Text-Frontend, Sprecher-Verifizierungssystem, End-to-End-Sprachübersetzung und Keyword-Spotting. Gewann den NAACL2022 Best Demo Award.
Open-Source-SenseVoiceSmall-Modell für ASR in Mandarin, Kantonesisch, Englisch, Japanisch und Koreanisch, Sprachidentifikation, Emotionserkennung und Audioereigniserkennung.
Dies ist eine Python-API, die es Ihnen ermöglicht, das Transkript/Untertitel für ein gegebenes YouTube-Video zu erhalten. Sie funktioniert auch für automatisch generierte Untertitel und erfordert keinen API-Schlüssel noch einen Headless-Browser, wie andere Selenium-basierten Lösungen es tun!
🤖 wukong-robot ist ein einfaches, flexibles und elegantes chinesisches Sprachgespräche-Roboters-/Intelligenter-Lautsprecher-Projekt, das die Mehr-Runden-Gesprächsfähigkeiten von ChatGPT unterstützt und möglicherweise das erste Open-Source-Intelligente-Lautsprecher-Projekt mit Unterstützung für Brain-Computer-Interaktion ist.
FunASR-basiertes Tool für Videotranskription, Untertitelgenerierung und LLM-gestützten Videoschnitt mit lokaler Gradio-Benutzeroberfläche.
Automatische Spracherkennung mit Sprecher-Diarisierung basierend auf OpenAI Whisper
HTML5 JS Aufnahme MP3 WAV OGG WebM AMR G711A G711U Formate, unterstützt PC und Android, iOS teilweise Web-Browser, Hybrid App (Android iOS App-Quellcode bereitgestellt), WeChat, bietet ASR Spracherkennung zu Text H5-Version Sprachgespräch-Chat-Beispiel DTMF-Codierung/Decodierung
Der Mediaplayer für Sprachenlernen, mit doppelten Untertiteln, KI-generierten Untertiteln, Echtzeitübersetzung und mehr!
Eine All-in-One, reine C++-Inferenz-Engine für Audiomodelle, angetrieben von ggml. Unterstützt TTS, STT, VAD, Sprachkonvertierung, Musikgenerierung und mehr mit hochoptimierter Leistung. Keine Python-Abhängigkeit.
Taste gedrückt halten, sprechen, loslassen — KI-verfeinerter Text erscheint am Cursor in jeder App. Open-Source-Spracheneingabe für macOS & Windows.
Streamer-Sales Verkaufsmeister – Verkaufender Streamer LLM-großes Modell 🛒🎁, ein großes Verkaufender Streamer LLM-Modell, das auf der Grundlage gegebener Produktmerkmale aus der Perspektive der Anregung der Kaufbereitschaft der Benutzer Produktkommentare abgeben kann. 🚀⭐ Enthält detaillierte Daten-Generierungsprozesse ❗ 📦 Enthält außerdem integriertes LMDeploy für beschleunigte Inferenz 🚀, RAG Retrieval-Augmented Generation 📚, TTS Text-to-Speech 🔊, Avatar-Generierung 🦸, Agentenverwendung für Echtzeit-Informationsabfragen im Netzwerk 🌐, ASR Speech-to-Text 🎙️, Vue-Ökosystem-Aufbau-Frontend 🍍, FastAPI-Aufbau-Backend 🗝️, Docker-compose-Paketierung und -Bereitstellung 🐋
Frontier CoreML Audio-Modelle in Ihren Apps – Text-to-Speech, Speech-to-Text, Voice Activity Detection und Sprecher-Diarisierung. In Swift, angetrieben von SOTA Open Source.
Whisper & Faster-Whisper eigenständige ausführbare Dateien für diejenigen, die sich nicht mit Python herumschlagen wollen.
[AutoArk] GPA (General Purpose Audio) kann ASR, TTS und Sprachkonvertierung mit einem einzigen winzigen Modell durchführen!
Mehrsprachige automatische Spracherkennung mit Wort-Timestamps und Konfidenz
Extrahieren Sie schnell Audio- und Videoinhalte und organisieren Sie sie in einer strukturierten Markdown-Notiz
🐸STT - Das Deep-Learning-Toolkit für Speech-to-Text. Das Trainieren und Bereitstellen von STT-Modellen war noch nie so einfach.
Open-Source-ASR-Modelle in Industriequalität, die Mandarin, chinesische Dialekte und Englisch unterstützen, neue SOTA-Ergebnisse auf öffentlichen Mandarin-ASR-Benchmarks erzielen und auch eine herausragende Fähigkeit zur Erkennung von Gesangstexten bieten.
KI+IoT-Framework der nächsten Generation für T2/T3/T5AI/ESP32/und mehr – Schnelle Hardware-Integration von IoT- und KI-Agenten
Echtzeit-Spracherkennung und Sprachaktivitätserkennung (VAD) mit Next-Gen Kaldi mit ncnn ohne Internetverbindung. Unterstützung für iOS, Android, Linux, macOS, Windows, Raspberry Pi, VisionFive2, LicheePi4A usw.
Bailing ist ein Sprachgesprächsroboter ähnlich wie GPT-4o, implementiert über ASR+LLM+TTS, integriert mit exzellenten großen Modellen wie DeepSeek R1, angeschlossen an openClaw, ein echter persönlicher Sprachassistent mit Latenz bis zu 800 ms, lauffähig auf Low-Spec-Geräten wie Mac, unterstützt Unterbrechung
Speech Note Linux App. Notizen machen, lesen und übersetzen mit Offline-Spracherkennung (Speech to Text), Sprachausgabe (Text to Speech) und maschineller Übersetzung.
All-in-One-Engine für multimodales Parsing + ontologiebasierte, durch ein LLM-Wiki gesteuerte, KI-fähige Wissens-Engine
Kostenlose Open-Source-Spracheingabe für macOS und Windows. Lokale Spracherkennung mit Whisper und Parakeet, funktioniert auch offline.
Videos mit LLMs, Computer Vision und automatischer Spracherkennung analysieren
Fun-ASR-Spracherkennungsmodelle mit nativer Unterstützung für Hugging Face Transformers für Fun-ASR-Nano sowie separaten Bereitstellungspfaden für FunASR, vLLM und llama.cpp.
DELTA ist eine auf Deep Learning basierende Plattform zur Verarbeitung natürlicher Sprache und Sprache. LF AI & DATA Projects: https://lfaidata.foundation/projects/delta/
Steuerbare Transkription. Wortgetreu (jedes Füllwort, jede Pause, jedes Stottern und jeder Laut) oder sinngemäß (was die sprechende Person sagen wollte, für bessere Lesbarkeit optimiert), mit Zeitstempeln auf Wortebene.
🍦 Speech-AI-Forge ist ein Projekt, das um ein TTS-Generierungsmodell entwickelt wurde und einen API-Server sowie eine Gradio-basierte WebUI implementiert.
Echtzeit-Sprachinteraktiver digitaler Mensch, mit anpassbarem Aussehen und anpassbarer Stimme, der Stimmklonung unterstützt und eine Gesprächsverzögerung von nur 3 Sekunden hat.
Native Spracherkennung für Linux - Schnelle, genaue, private und hackbare systemweite Diktation
KI-Sprach-Toolkit für Apple Silicon — ASR, TTS, Speech-to-Speech, VAD und Diarization, unterstützt von MLX und CoreML
StreamSpeech ist ein "All in One" nahtloses Modell für Offline- und gleichzeitige Spracherkennung, Sprachübersetzung und Sprachsynthese.
WebSocket-, gRPC- und WebRTC-Sprachrecognitions-Server basierend auf den Vosk- und Kaldi-Bibliotheken
Die Open-Source-KI-Engine für AMD Strix Halo. Text-, Embedding-, Sprach-, Bild- und Videomodelle in einer einzigen Binärdatei – mit OpenAI-kompatiblen APIs, Caching für Programmieragenten und Modellerweiterungen. Linux und Windows.
Feinabstimmung des Whisper-Spracherkennungsmodells zur Unterstützung des Trainings ohne Zeitstempeldaten, des Trainings mit Zeitstempeldaten und des Trainings ohne Sprachdaten. Beschleunigung der Inferenz und Unterstützung für Web-Bereitstellungen, Windows-Desktop-Bereitstellungen und Android-Bereitstellungen
Häufig gestellte Fragen
Welches ist das beliebteste #asr-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#asr-Projekt auf GitHub ist m-bain/whisperX mit 25,556 Sternen. WhisperX: Automatische Spracherkennung mit wortbezogenen Zeitstempeln (& Diarisierung)
Welche Programmiersprachen werden in #asr-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #asr-Projekten auf GitHub sind Python, C++, C, Jupyter Notebook die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #asr-Repositories berechnet?
Wir verfolgen 100 aktive Open-Source-Repositories, die mit #asr getaggt sind (500+ Sterne), mit insgesamt 289,141 Sternen und durchschnittlich 2,891 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.