Git Stars Git Stars

#asr Repositories

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

Insgesamt 101 Repositories

51
Kieirra/murmure

Vollständig lokal, privat und plattformübergreifende Speech-to-Text mit LLM-Nachbearbeitung

Kieirra
⭐ 1,170 TypeScript 👤 Kieirra User 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2025-10-12
52
xzf-thu/Mega-ASR

Erstes grundlegendes ASR, das für die reale Welt entwickelt wurde - 7 atomare akustische Bedingungen, 54 zusammengesetzte Szenarien, 2,6 Millionen Stichproben und bis zu ~30% Verbesserung gegenüber SOTA, wo jedes andere Modell versagt. **Sie werden zu MEGA-ASR zurückkehren, nachdem die anderen in der freien Wildbahn versagt haben. ⭐**

xzf-thu
⭐ 1,152 Python 👤 xzf-thu User 🕐 Aktualisiert 2026-09-02 📅 Erstellt 2026-05-16
53
sooftware/conformer

[Inoffiziell] PyTorch-Implementierung von "Conformer: Convolution-augmented Transformer for Speech Recognition" (INTERSPEECH 2020)

sooftware
⭐ 1,137 Python 👤 sooftware User 🕐 Aktualisiert 2026-11-15 📅 Erstellt 2021-01-21
54
shang-zhu/violin

Open-Source-Videotranslations-Fähigkeit

shang-zhu
⭐ 1,091 Python 👤 shang-zhu User 🕐 Aktualisiert 2026-09-04 📅 Erstellt 2026-04-07
55
alphacep/vosk-android-demo

Offline-Spracherkennung für Android mit der Vosk-Bibliothek.

alphacep
⭐ 1,064 Java 👤 alphacep Organization 🕐 Aktualisiert 2025-12-08 📅 Erstellt 2019-09-03
56
pykaldi/pykaldi

Ein Python-Wrapper für Kaldi

pykaldi
⭐ 1,039 Python 👤 pykaldi Organization 🕐 Aktualisiert 2025-11-30 📅 Erstellt 2017-06-19
57
k2-fsa/sherpa

Speech-to-Text-Server-Framework mit der nächsten Generation von Kaldi

k2-fsa
⭐ 1,022 C++ 👤 k2-fsa Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2022-05-20
58
233stone/vocotype-cli

VocoType ist ein datenschutzsicheres Sprach-Eingabewerkzeug, das lokal auf der Client-Seite läuft. Mit einer Tastenkombination wandelt es Sprache in Echtzeit in Text um und gibt diesen automatisch in die aktuelle Anwendung ein. Es unterstützt Funktionen wie MCP-Sprach-zu-Text, KI-optimierter Text, benutzerdefiniertes Ersetzungswörterbuch, Audio-/Video-Transkription usw., was die Spracheneingabe effizienter und sicherer macht.

233stone
⭐ 1,016 Python 👤 233stone User 🕐 Aktualisiert 2026-10-14 📅 Erstellt 2025-10-13
59
nomily-ai/nomily-app

Sprachaufzeichnungsbegleiter mit BYOK, ASR-Transkription, Sprecherdiarisierung, KI-Zusammenfassungen und Unterstützung lokaler ASR-Endpunkte.

nomily-ai
⭐ 1,014 👤 nomily-ai User 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2026-08-05
60
freewym/espresso

Espresso: Ein schnelles End-to-End-Neuronal-Sprachrecognitions-Toolkit

freewym
⭐ 942 Python 👤 freewym User 🕐 Aktualisiert 2024-09-04 📅 Erstellt 2018-12-02
61
geekwenjie/SmartJavaAI

🔥🔥🔥Kostenlose Offline-KI-Algorithmen-Toolbox für Java, die Gesichtserkennung, Lebenderkennung, Emotionserkennung, Objekterkennung, Instanzsegmentierung, Fußgängererkennung, OCR-Texterkennung, Kennzeichenerkennung, Tabellenerkennung, ASR+TTS, maschinelle Übersetzung und weitere Funktionen unterstützt und per Maven-Referenz verwendet werden kann. Unterstützt PyTorch, Tensorflow und hat Mainstream-Modelle wie Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR(PPOCRv5), Whisper usw. integriert.

geekwenjie
⭐ 941 Java 👤 geekwenjie User 🕐 Aktualisiert 2026-06-20 📅 Erstellt 2025-02-21
62
TheDeathDragon/LiveTranslate

Echtzeit-Audioübersetzung, erfasst Systemaudio + Mikrofon, führt ASR (Whisper/SenseVoice) aus, übersetzt über LLM-API mit Streaming-Anzeige. Perfekt für VTuber, Livestreamer und zum Ansehen fremdsprachiger Inhalte.

TheDeathDragon
⭐ 923 Python 👤 TheDeathDragon User 🕐 Aktualisiert 2026-08-17 📅 Erstellt 2026-03-15
63
hehehai/VoxtMini

Spracheingabe für macOS mit lokalen Modellen: Transkribiere, übersetze und formuliere in jeder App um. Der Nachfolger von Voxt.

hehehai
⭐ 916 Go 👤 hehehai User 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2026-02-26
64
innovatorved/whisper.api

Dieses Projekt stellt eine API mit Unterstützung für den Benutzerzugriff bereit, um Sprache in Text zu transkribieren, wobei ein feingetuntes und verarbeitetes Whisper ASR-Modell verwendet wird.

innovatorved
⭐ 914 Python 👤 innovatorved User 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2023-08-12
65
lifeiteng/OmniSenseVoice

Omni SenseVoice: Hochgeschwindigkeits-Spracherkennung mit Zeitstempeln für Wörter 🗣️🎯

lifeiteng
⭐ 897 Python 👤 lifeiteng User 🕐 Aktualisiert 2025-12-10 📅 Erstellt 2024-09-22
66
BryceWG/BiBi-Keyboard

BiBi Keyboard: LLM‑ und ASR‑Sprach-Eingabemechanismus‑Tastatur für die Android‑Plattform, basierend auf Kotlin

BryceWG
⭐ 896 Kotlin 👤 BryceWG User 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2025-10-06
67
Spr-Aachen/Easy-Voice-Toolkit

Benutzerfreundliches Toolkit für Spracherkennung/Transkription/Konvertierung usw. | Einfaches und benutzerfreundliches Sprach-Toolkit

Spr-Aachen
⭐ 870 Python 👤 Spr-Aachen User 🕐 Aktualisiert 2026-10-25 📅 Erstellt 2023-02-09
68
yeyupiaoling/PPASR

End-to-End-chinesische Spracherkennung basierend auf PaddlePaddle, vom Einstieg bis zur Praxis, super einfache Einstiegsbeispiele, super praktische Unternehmensprojekte. Unterstützt die derzeit beliebtesten Modelle DeepSpeech2, Conformer, Squeezeformer.

yeyupiaoling
⭐ 868 Python 👤 yeyupiaoling User 🕐 Aktualisiert 2025-12-17 📅 Erstellt 2021-02-26
69
zai-org/GLM-ASR

GLM-ASR-Nano: Ein robustes Open-Source-Spracherkennungsmodell mit 1,5 Milliarden Parametern

zai-org
⭐ 864 Python 👤 zai-org Organization 🕐 Aktualisiert 2026-03-06 📅 Erstellt 2025-12-09
70
aiola-lab/whisper-medusa

Mit Medusenhäuptern flüstern

aiola-lab
⭐ 860 Python 👤 aiola-lab Organization 🕐 Aktualisiert 2026-07-02 📅 Erstellt 2024-07-17
71
AkagawaTsurunaki/ZerolanLiveRobot

AI‑VTuber mit LLM, ASR, TTS, OCR, CV und weiteren Technologien, um Live‑Streams zu erstellen oder Minecraft mit Ihnen zu spielen.

AkagawaTsurunaki
⭐ 834 Python 👤 AkagawaTsurunaki User 🕐 Aktualisiert 2026-04-14 📅 Erstellt 2024-03-04
72
TrevorS/voxtral-mini-realtime-rs

Voxtral ASR & TTS läuft nativ und im Browser. Eine Rust-Implementierung von Mistral's Voxtral mini Echtzeit-ASR/TTS mit dem Burn ML-Framework

TrevorS
⭐ 827 Rust 👤 TrevorS User 🕐 Aktualisiert 2026-10-12 📅 Erstellt 2026-02-04
74
Ailln/cn2an

📦 Schnelle Umwandlung zwischen „chinesischen Ziffern“ und „arabischen Ziffern“ ~ (Neueste Funktion: Brüche, Daten, Temperaturen usw.)

Ailln
⭐ 768 Python 👤 Ailln User 🕐 Aktualisiert 2026-04-23 📅 Erstellt 2018-05-04
75
yeyupiaoling/PaddlePaddle-DeepSpeech

Basierend auf PaddlePaddle implementierte Spracherkennung, Chinesische Spracherkennung. Das Projekt ist vollständig und bietet gute Erkennungsleistung. Unterstützt Training und Vorhersage unter Windows und Linux, unterstützt Vorhersage auf dem Nvidia Jetson-Entwicklungsboard.

yeyupiaoling
⭐ 764 Python 👤 yeyupiaoling User 🕐 Aktualisiert 2025-12-17 📅 Erstellt 2019-11-01
76
FireRedTeam/FireRedASR2S

Ein SOTA-Industrie-All-in-One-ASR-System mit ASR-, VAD-, LID- und Punc-Modulen. FireRedASR2 unterstützt Chinesisch (Mandarin, 20+ Dialekte/Akzente), Englisch, Code-Switching sowie Sprach- und Gesangs-ASR. FireRedVAD unterstützt Sprache/Gesang/Musik in 100+ Sprachen. FireRedLID unterstützt 100+ Sprachen und 20+ chinesische Dialekte. FireRedPunc unterstützt Chinesisch und Englisch.

FireRedTeam
⭐ 745 Python 👤 FireRedTeam Organization 🕐 Aktualisiert 2026-06-02 📅 Erstellt 2026-02-12
77
Macoron/whisper.unity

Führt das Sprach-zu-Text-Modell (whisper.cpp) in Unity3d auf Ihrem lokalen Computer aus.

Macoron
⭐ 730 C# 👤 Macoron User 🕐 Aktualisiert 2025-04-17 📅 Erstellt 2023-03-26
78
yeyupiaoling/MASR

Ein Pytorch-basiertes Framework für Streaming und Nicht-Streaming-Spracherkennung, das sowohl Online- als auch Offline-Erkennung unterstützt. Derzeit werden Conformer, Squeezeformer und DeepSpeech2-Modelle unterstützt, zusammen mit verschiedenen Datenaugmentationsmethoden.

yeyupiaoling
⭐ 729 Python 👤 yeyupiaoling User 🕐 Aktualisiert 2026-07-06 📅 Erstellt 2020-07-29
79
openspeech-team/openspeech

Open-Source-Toolkit für End-to-End-Spracherkennung unter Nutzung von PyTorch-Lightning und Hydra.

openspeech-team
⭐ 715 Python 👤 openspeech-team Organization 🕐 Aktualisiert 2026-06-21 📅 Erstellt 2021-06-06
80
sofdog-gh/realtime-transcription-fastrtc

Echtzeit-Sprachtranskription mit FastRTC ⚡️ und lokalem Whisper 🤗

sofdog-gh
⭐ 700 Python 👤 sofdog-gh User 🕐 Aktualisiert 2025-07-10 📅 Erstellt 2025-03-01
81
vilassn/whisper_android

Offline-Spracherkennung mit OpenAI Whisper und TensorFlow Lite für Android

vilassn
⭐ 693 C++ 👤 vilassn User 🕐 Aktualisiert 2026-03-18 📅 Erstellt 2023-08-26
82
DmitryRyumin/INTERSPEECH-2023-24-Papers

INTERSPEECH 2023-2024 Paper: Eine vollständige Sammlung einflussreicher und spannender Forschungsarbeiten von der INTERSPEECH 2023-24 Konferenz. Entdecken Sie die neuesten Fortschritte in der Sprach- und Sprachverarbeitung. Code enthalten. Sternen Sie das Repository, um die Weiterentwicklung der Sprachtechnologie zu unterstützen!

DmitryRyumin
⭐ 683 👤 DmitryRyumin User 🕐 Aktualisiert 2024-12-25 📅 Erstellt 2023-06-26
⭐ 677 Python 👤 yinruiqing User 🕐 Aktualisiert 2025-09-24 📅 Erstellt 2022-11-09
84
Picovoice/cheetah

On-Device-Streaming-Sprach-zu-Text-Engine, angetrieben durch Deep Learning

Picovoice
⭐ 672 Python 👤 Picovoice Organization 🕐 Aktualisiert 2026-11-12 📅 Erstellt 2018-10-28
85
zenstory-ai/video-recap-skills

KI-Agenten-Skillpaket für kommentierte Videos: automatische Szenenschnitte, Bildanalyse zum Verfassen des Sprechertexts, Sprachaufnahme und Audiomischung zur Erstellung des fertigen Videos; Export von Entwürfen für Jianying/CapCut, keine GPU erforderlich | Agenten-Skills für kommentierte Videozusammenfassungen und CapCut-Entwürfe

zenstory-ai
⭐ 649 Python 👤 zenstory-ai Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2026-05-02
86
huggingface/optimum-intel

🤗 Optimum Intel: Inferenz mit Intel Optimierungstools beschleunigen

huggingface
⭐ 631 Jupyter Notebook 👤 huggingface Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2022-05-25
87
zw76859420/ASR_Theory

Theorie der Spracherkennung, Aufsätze und PPT

zw76859420
⭐ 616 👤 zw76859420 User 🕐 Aktualisiert 2024-08-07 📅 Erstellt 2019-01-26
88
Moyf/moys-asr-workflow

Amos Untertitelwerkstatt: Moys ASR-Untertitel-Transkriptionsworkflow (kurz MAW)

Moyf
⭐ 610 JavaScript 👤 Moyf User 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2026-07-26
89
HiMeditator/auto-caption

Eine plattformübergreifende Software zur Anzeige von Echtzeit-Untertitel.

HiMeditator
⭐ 610 TypeScript 👤 HiMeditator User 🕐 Aktualisiert 2026-10-14 📅 Erstellt 2025-05-11
90
RapidAI/RapidASR

📣 Open-Source-Speech-to-Text-Bibliothek auf kommerziellem Niveau, sofort einsatzbereit, plattformübergreifend unterstützt, gemischte chinesisch-englische Erkennung. Eine plattformübergreifende Implementierung von ASR-Inferenz. Sie basiert auf ONNXRuntime und FunASR. Wir bieten eine Reihe einfacherer APIs zum Aufrufen von ASR-Modellen.

RapidAI
⭐ 593 C++ 👤 RapidAI Organization 🕐 Aktualisiert 2024-05-15 📅 Erstellt 2021-12-15
91
second-state/echokit_server

Open-Source-Sprachagentenplattform

second-state
⭐ 591 Rust 👤 second-state Organization 🕐 Aktualisiert 2026-02-15 📅 Erstellt 2025-02-26
92
SAOS-3624/dsh-video-storyboard

Szenenbewusstes Storyboard für DeepSeek Harness: 9–16 nummerierte Felder mit Zeitstempeln + Transkript + Audiohüllkurve, gebündelt in EINEM Bild (384 Token). Zwei Tools: video_storyboard und video_zoom.

SAOS-3624
⭐ 585 JavaScript 👤 SAOS-3624 User 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2026-10-26
93
wildminder/awesome-ai-voice

Liste von Open-Source-Modellen für Text-to-Speech (TTS), Stimmenklonung und Musikgenerierung

wildminder
⭐ 562 👤 wildminder User 🕐 Aktualisiert 2026-11-04 📅 Erstellt 2026-03-10
94
PiSugar/whisplay-ai-chatbot

Taschengroßer KI-Chatbot, gebaut mit einem RPI Zero 2w / 5

PiSugar
⭐ 545 TypeScript 👤 PiSugar Organization 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2025-05-07
95
SpeechColab/Leaderboard

SpeechIO Leaderboard: eine große, robuste, umfassende Benchmark-Plattform für automatische Spracherkennung.

SpeechColab
⭐ 545 Python 👤 SpeechColab User 🕐 Aktualisiert 2025-03-29 📅 Erstellt 2021-02-07
96
kouhxp/yapsnap

Transkribieren Sie jede Video-URL oder Audiodatei in Klartext. Keine GPU. Keine Cloud. Ein einziger Befehl.

kouhxp
⭐ 538 Python 👤 kouhxp User 🕐 Aktualisiert 2026-09-15 📅 Erstellt 2026-05-20
97
shashikg/WhisperS2T

Eine optimierte Speech-to-Text-Pipeline für das Whisper-Modell mit Unterstützung mehrerer Inferenz-Engines

shashikg
⭐ 534 Jupyter Notebook 👤 shashikg User 🕐 Aktualisiert 2024-08-27 📅 Erstellt 2023-12-16
98
ccoreilly/vosk-browser

Eine Spracherkennungsbibliothek, die dank eines WebAssembly-Builds von Vosk im Browser läuft

ccoreilly
⭐ 531 JavaScript 👤 ccoreilly User 🕐 Aktualisiert 2025-12-07 📅 Erstellt 2021-02-19
99
DmitryRyumin/ICASSP-2023-24-Papers

ICASSP 2023-2024 Paper: Eine vollständige Sammlung einflussreicher und spannender Forschungsarbeiten von den ICASSP 2023-24 Konferenzen. Entdecken Sie die neuesten Fortschritte in den Bereichen Akustik, Sprache und Signalverarbeitung. Code enthalten. Sternen Sie das Repository, um die Weiterentwicklung der Audio- und Signalverarbeitung zu unterstützen!

DmitryRyumin
⭐ 527 Python 👤 DmitryRyumin User 🕐 Aktualisiert 2025-05-05 📅 Erstellt 2023-08-01
100
nyosegawa/speech.cpp

Sprachsynthese, Spracherkennung und Sprachaktivitätserkennung für Sprachkonversationen in C++ auf ggml: Qwen3-TTS, Irodori-TTS, Qwen3-ASR, ReazonSpeech, parakeet und Silero VAD auf Metal, Vulkan und der CPU, mit einem OpenAI-kompatiblen Server und Live-Transkription.

nyosegawa
⭐ 510 C++ 👤 nyosegawa User 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2026-09-29