Git Stars Git Stars

#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.

100
Gesamtzahl der Repositories
289,141
Gesamtanzahl der Sterne
2,891
Durchschnittliche Sterne/Repo

Insgesamt 101 Repositories

1
m-bain/whisperX

WhisperX: Automatische Spracherkennung mit wortbezogenen Zeitstempeln (& Diarisierung)

m-bain
⭐ 25,556 Python 👤 m-bain User 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2022-12-09
2
modelscope/FunASR

Open-Source-Spracherkennungs-Toolkit für Training, Inferenz, Streaming-ASR, VAD, Interpunktion, Sprecherdiarisierungs-Pipelines und OpenAI-kompatiblen/MCP-Service.

modelscope
⭐ 21,091 Python 👤 modelscope Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2022-11-24
3
NVIDIA-NeMo/Speech

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

NVIDIA-NeMo
⭐ 18,775 Python 👤 NVIDIA-NeMo Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2019-08-05
4
k2-fsa/sherpa-onnx

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

k2-fsa
⭐ 16,076 C++ 👤 k2-fsa Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2022-09-01
5
alphacep/vosk-api

Offline-Sprachenerkennungs-API für Android, iOS, Raspberry Pi und Server mit Python, Java, C# und Node

alphacep
⭐ 15,278 Jupyter Notebook 👤 alphacep Organization 🕐 Aktualisiert 2026-10-15 📅 Erstellt 2019-09-03
6
PaddlePaddle/PaddleSpeech

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.

PaddlePaddle
⭐ 12,713 Python 👤 PaddlePaddle Organization 🕐 Aktualisiert 2026-08-12 📅 Erstellt 2017-11-14
7
speechbrain/speechbrain

Ein PyTorch-basiertes Sprachtoolkit

speechbrain
⭐ 11,946 Python 👤 speechbrain Organization 🕐 Aktualisiert 2026-10-14 📅 Erstellt 2020-04-28
8
QwenAudio/SenseVoice

Open-Source-SenseVoiceSmall-Modell für ASR in Mandarin, Kantonesisch, Englisch, Japanisch und Koreanisch, Sprachidentifikation, Emotionserkennung und Audioereigniserkennung.

QwenAudio
⭐ 9,797 C 👤 QwenAudio Organization 🕐 Aktualisiert 2026-09-30 📅 Erstellt 2024-07-03
9
jdepoix/youtube-transcript-api

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!

jdepoix
⭐ 8,644 Python 👤 jdepoix User 🕐 Aktualisiert 2026-11-09 📅 Erstellt 2018-04-20
10
wzpan/wukong-robot

🤖 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.

wzpan
⭐ 7,063 Python 👤 wzpan User 🕐 Aktualisiert 2024-10-25 📅 Erstellt 2019-01-16
11
modelscope/FunClip

FunASR-basiertes Tool für Videotranskription, Untertitelgenerierung und LLM-gestützten Videoschnitt mit lokaler Gradio-Benutzeroberfläche.

modelscope
⭐ 6,613 Python 👤 modelscope Organization 🕐 Aktualisiert 2026-11-01 📅 Erstellt 2023-05-17
12
MahmoudAshraf97/whisper-diarization

Automatische Spracherkennung mit Sprecher-Diarisierung basierend auf OpenAI Whisper

MahmoudAshraf97
⭐ 5,676 Jupyter Notebook 👤 MahmoudAshraf97 User 🕐 Aktualisiert 2026-08-15 📅 Erstellt 2023-01-25
13
xiangyuecn/Recorder

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

xiangyuecn
⭐ 5,642 JavaScript 👤 xiangyuecn User 🕐 Aktualisiert 2026-07-30 📅 Erstellt 2018-05-16
14
wenet-e2e/wenet

Produktion zuerst und produktionsreifer End-to-End-Spracherkennungs-Toolkit

wenet-e2e
⭐ 5,258 Python 👤 wenet-e2e Organization 🕐 Aktualisiert 2026-10-26 📅 Erstellt 2020-11-17
15
umlx5h/LLPlayer

Der Mediaplayer für Sprachenlernen, mit doppelten Untertiteln, KI-generierten Untertiteln, Echtzeitübersetzung und mehr!

umlx5h
⭐ 4,779 C# 👤 umlx5h User 🕐 Aktualisiert 2026-11-05 📅 Erstellt 2025-01-31
16
0xShug0/audio.cpp

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.

0xShug0
⭐ 4,385 C++ 👤 0xShug0 User 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2026-06-23
17
Open-Less/openless

Taste gedrückt halten, sprechen, loslassen — KI-verfeinerter Text erscheint am Cursor in jeder App. Open-Source-Spracheneingabe für macOS & Windows.

Open-Less
⭐ 4,148 Rust 👤 Open-Less Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2026-04-27
18
PeterH0323/Streamer-Sales

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 🐋

PeterH0323
⭐ 3,695 Python 👤 PeterH0323 User 🕐 Aktualisiert 2025-03-08 📅 Erstellt 2024-04-05
19
ahmetoner/whisper-asr-webservice

OpenAI Whisper ASR Webservice API

ahmetoner
⭐ 3,370 Python 👤 ahmetoner User 🕐 Aktualisiert 2026-10-01 📅 Erstellt 2022-09-22
20
FluidInference/FluidAudio

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.

FluidInference
⭐ 3,319 Swift 👤 FluidInference Organization 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2025-06-21
21
Purfview/whisper-standalone-win

Whisper & Faster-Whisper eigenständige ausführbare Dateien für diejenigen, die sich nicht mit Python herumschlagen wollen.

Purfview
⭐ 3,229 👤 Purfview User 🕐 Aktualisiert 2025-11-07 📅 Erstellt 2023-02-25
22
AutoArk/GPA

[AutoArk] GPA (General Purpose Audio) kann ASR, TTS und Sprachkonvertierung mit einem einzigen winzigen Modell durchführen!

AutoArk
⭐ 3,054 Python 👤 AutoArk Organization 🕐 Aktualisiert 2026-05-25 📅 Erstellt 2025-12-16
23
CheshireCC/faster-whisper-GUI

faster_whisper GUI mit PySide6

CheshireCC
⭐ 2,999 Python 👤 CheshireCC User 🕐 Aktualisiert 2026-08-25 📅 Erstellt 2023-07-18
⭐ 2,868 Python 👤 tensorflow Organization 🕐 Aktualisiert 2026-10-29 📅 Erstellt 2018-07-24
25
linto-ai/whisper-timestamped

Mehrsprachige automatische Spracherkennung mit Wort-Timestamps und Konfidenz

linto-ai
⭐ 2,860 Python 👤 linto-ai Organization 🕐 Aktualisiert 2026-09-28 📅 Erstellt 2023-01-13
26
harry0703/AudioNotes

Extrahieren Sie schnell Audio- und Videoinhalte und organisieren Sie sie in einer strukturierten Markdown-Notiz

harry0703
⭐ 2,564 Python 👤 harry0703 User 🕐 Aktualisiert 2026-08-19 📅 Erstellt 2024-07-19
27
coqui-ai/STT

🐸STT - Das Deep-Learning-Toolkit für Speech-to-Text. Das Trainieren und Bereitstellen von STT-Modellen war noch nie so einfach.

coqui-ai
⭐ 2,547 C++ 👤 coqui-ai Organization 🕐 Aktualisiert 2024-03-11 📅 Erstellt 2021-03-04
28
handy-computer/transcribe.cpp

ggml Spracherkennungs-Inferenz für über 16 Modellfamilien

handy-computer
⭐ 2,194 C++ 👤 handy-computer Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2026-04-07
29
FireRedTeam/FireRedASR

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.

FireRedTeam
⭐ 2,014 Python 👤 FireRedTeam Organization 🕐 Aktualisiert 2026-02-25 📅 Erstellt 2025-01-24
30
tuya/TuyaOpen

KI+IoT-Framework der nächsten Generation für T2/T3/T5AI/ESP32/und mehr – Schnelle Hardware-Integration von IoT- und KI-Agenten

tuya
⭐ 1,956 C 👤 tuya Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2023-12-25
31
sgl-project/sglang-omni

Hochleistungs-Laufzeitumgebung für interaktive Superintelligenzsysteme

sgl-project
⭐ 1,882 Python 👤 sgl-project Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2026-01-07
32
k2-fsa/sherpa-ncnn

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.

k2-fsa
⭐ 1,801 C++ 👤 k2-fsa Organization 🕐 Aktualisiert 2026-11-12 📅 Erstellt 2022-09-04
33
wwbin2017/bailing

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

wwbin2017
⭐ 1,794 Python 👤 wwbin2017 User 🕐 Aktualisiert 2026-04-06 📅 Erstellt 2024-08-25
34
mkiol/dsnote

Speech Note Linux App. Notizen machen, lesen und übersetzen mit Offline-Spracherkennung (Speech to Text), Sprachausgabe (Text to Speech) und maschineller Übersetzung.

mkiol
⭐ 1,720 C++ 👤 mkiol User 🕐 Aktualisiert 2026-11-18 📅 Erstellt 2021-10-07
35
yuezhiai/jonex

All-in-One-Engine für multimodales Parsing + ontologiebasierte, durch ein LLM-Wiki gesteuerte, KI-fähige Wissens-Engine

yuezhiai
⭐ 1,714 Python 👤 yuezhiai Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2026-07-19
36
amicalhq/amical

Kostenlose Open-Source-Spracheingabe für macOS und Windows. Lokale Spracherkennung mit Whisper und Parakeet, funktioniert auch offline.

amicalhq
⭐ 1,648 TypeScript 👤 amicalhq Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2025-05-08
37
byjlw/video-analyzer

Videos mit LLMs, Computer Vision und automatischer Spracherkennung analysieren

byjlw
⭐ 1,620 Python 👤 byjlw User 🕐 Aktualisiert 2026-04-19 📅 Erstellt 2024-11-10
38
QwenAudio/Fun-ASR

Fun-ASR-Spracherkennungsmodelle mit nativer Unterstützung für Hugging Face Transformers für Fun-ASR-Nano sowie separaten Bereitstellungspfaden für FunASR, vLLM und llama.cpp.

QwenAudio
⭐ 1,614 C 👤 QwenAudio Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2025-12-15
39
Delta-ML/delta

DELTA ist eine auf Deep Learning basierende Plattform zur Verarbeitung natürlicher Sprache und Sprache. LF AI & DATA Projects: https://lfaidata.foundation/projects/delta/

Delta-ML
⭐ 1,602 Python 👤 Delta-ML Organization 🕐 Aktualisiert 2025-04-16 📅 Erstellt 2019-05-29
40
nyrahealth/CrisperWhisper

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.

nyrahealth
⭐ 1,498 Python 👤 nyrahealth Organization 🕐 Aktualisiert 2026-11-11 📅 Erstellt 2024-05-24
41
mbailey/voicemode

Natürliche Sprachunterhaltungen mit Claude Code

mbailey
⭐ 1,472 Python 👤 mbailey User 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2025-06-08
42
R3gm/SoniTranslate

Synchronisierte Übersetzung für Videos. Videodubbing

R3gm
⭐ 1,430 Python 👤 R3gm User 🕐 Aktualisiert 2026-08-29 📅 Erstellt 2023-06-27
43
lenML/Speech-AI-Forge

🍦 Speech-AI-Forge ist ein Projekt, das um ein TTS-Generierungsmodell entwickelt wurde und einen API-Server sowie eine Gradio-basierte WebUI implementiert.

lenML
⭐ 1,420 Python 👤 lenML Organization 🕐 Aktualisiert 2026-05-21 📅 Erstellt 2024-06-01
44
Henry-23/VideoChat

Echtzeit-Sprachinteraktiver digitaler Mensch, mit anpassbarem Aussehen und anpassbarer Stimme, der Stimmklonung unterstützt und eine Gesprächsverzögerung von nur 3 Sekunden hat.

Henry-23
⭐ 1,333 Python 👤 Henry-23 User 🕐 Aktualisiert 2025-12-18 📅 Erstellt 2024-10-18
45
goodroot/hyprwhspr

Native Spracherkennung für Linux - Schnelle, genaue, private und hackbare systemweite Diktation

goodroot
⭐ 1,287 Python 👤 goodroot User 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2025-08-27
46
soniqo/speech-swift

KI-Sprach-Toolkit für Apple Silicon — ASR, TTS, Speech-to-Speech, VAD und Diarization, unterstützt von MLX und CoreML

soniqo
⭐ 1,284 Swift 👤 soniqo Organization 🕐 Aktualisiert 2026-11-18 📅 Erstellt 2026-02-04
47
ictnlp/StreamSpeech

StreamSpeech ist ein "All in One" nahtloses Modell für Offline- und gleichzeitige Spracherkennung, Sprachübersetzung und Sprachsynthese.

ictnlp
⭐ 1,274 Python 👤 ictnlp Organization 🕐 Aktualisiert 2025-06-29 📅 Erstellt 2024-06-04
48
alphacep/vosk-server

WebSocket-, gRPC- und WebRTC-Sprachrecognitions-Server basierend auf den Vosk- und Kaldi-Bibliotheken

alphacep
⭐ 1,259 Python 👤 alphacep Organization 🕐 Aktualisiert 2025-07-25 📅 Erstellt 2019-05-07
49
gufo-org/gufo

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.

gufo-org
⭐ 1,236 C++ 👤 gufo-org Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2026-08-11
50
yeyupiaoling/Whisper-Finetune

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

yeyupiaoling
⭐ 1,222 C 👤 yeyupiaoling User 🕐 Aktualisiert 2026-05-08 📅 Erstellt 2023-04-22

Häufig gestellte Fragen

1

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)

2

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.

3

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.