#automatic-speech-recognition Repositories
Entdecke 42 aktive Open-Source-GitHub-Repositories, die mit #automatic-speech-recognition getaggt sind und insgesamt 118,799 Sterne gesammelt haben (durchschnittlich 2,828 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist Vaibhavs10/insanely-fast-whisper mit 13,052 Sternen.
Insgesamt 42 Repositories
Grundlagenmodelle für hochmoderne Sprach- und Textübersetzung
Echtzeit- und lokale Sprach-zu-Text-Transkription mit Streaming-ASR, Sprecherdiarisierung, Übersetzung und OpenAI/Deepgram-kompatiblen APIs.
Kimi-Audio, ein Open-Source-Audiofundierungsmodell, das sich in Audioverständnis, -generierung und -gesprächen auszeichnet
[NICHT MEHR UNTERSTÜTZT] Kommandozeilen-Tool zum automatischen Generieren von Untertiteln für jede Videodatei
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.
Intelligentes KI-Tool für mehrsprachige Video-Synchronisation/Übersetzung - Linly-Dubbing — „KI-gestützt, grenzenlose Sprachen“
[AutoArk] GPA (General Purpose Audio) kann ASR, TTS und Sprachkonvertierung mit einem einzigen winzigen Modell durchführen!
Omnilingual ASR Open-Source mehrsprachige Spracherkennung für über 1600 Sprachen
🐸STT - Das Deep-Learning-Toolkit für Speech-to-Text. Das Trainieren und Bereitstellen von STT-Modellen war noch nie so einfach.
Voice Activity Detector (VAD): geringe Latenz, hohe Leistung und leichtgewichtig
Ein 0,9B-Modell für die Transkription langer Inhalte in über 50 Sprachen mit Sprecherdiarisierung, Zeitstempeln und Erkennung akustischer Ereignisse
Das offizielle Repository des von Alibaba Cloud vorgeschlagenen Qwen2-Audio-Chat- und vortrainierten großen Audio-Sprachmodells.
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.
Step-Audio 2 ist ein End-to-End Multi-Modales Large Language Model, das für branchenstärke Audioverarbeitung und Sprachkonversation entwickelt wurde.
Untertitel automatisch generieren mit dem OpenAI Whisper Model über Jellyfin, Plex, Emby, Tautulli oder Bazarr
Offizielles Python-Toolkit für die Qwen3-ASR-API. Parallele Hochdurchsatzaufrufe, robuste Langstrecken-Audio-Transkription, Unterstützung für mehrere Abtastraten.
:zap: TensorFlowASR: Fast automatische Spracherkennung in Tensorflow 2. Unterstützte Sprachen, die Zeichen oder Subwörter verwenden können
Eine Implementierung von Nvidias Parakeet-Modellen für Apple Silicon unter Verwendung von MLX.
Bewerten Sie Ihr Sprach-zu-Text-System mit Ähnlichkeitsmaßen wie der Word Error Rate (WER)
Omni SenseVoice: Hochgeschwindigkeits-Spracherkennung mit Zeitstempeln für Wörter 🗣️🎯
Dolphin ist ein mehrsprachiges, multitaskingfähiges ASR-Modell, das gemeinsam von DataoceanAI und der Tsinghua University trainiert wurde.
Sammlung von Ressourcen zu den Anwendungen von Large Language Models (LLMs) in Audio AI.
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.
Echtzeit-Sprachtranskription mit FastRTC ⚡️ und lokalem Whisper 🤗
Offline-Spracherkennung mit OpenAI Whisper und TensorFlow Lite für Android
✨✨[NeurIPS 2025] VITA-Audio: Schnelle verschränkte kreuzmodale Token-Generierung für ein effizientes großes Sprach-Sprachmodell
Es ist möglich, die Aufnahme durch Drücken der Option-Taste zu starten und durch Loslassen der Taste zu beenden. Anschließend wird das Modell Groq Whisper Large V3 Turbo zur Transkription aufgerufen. Da Groq sehr schnell ist, wird das meiste Spracheingabefutter innerhalb von 1-2 Sekunden verarbeitet. Dank der leistungsstarken Fähigkeiten von Whisper ist die Transkription auch sehr gut.
Ein leichtgewichtiges Client-Server-System für die Echtzeit-Audioverarbeitung mit Sprachaktivitätserkennung (VAD) und automatischer Spracherkennung (ASR).
Häufig gestellte Fragen
Welches ist das beliebteste #automatic-speech-recognition-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#automatic-speech-recognition-Projekt auf GitHub ist Vaibhavs10/insanely-fast-whisper mit 13,052 Sternen.
Welche Programmiersprachen werden in #automatic-speech-recognition-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #automatic-speech-recognition-Projekten auf GitHub sind Python, Jupyter Notebook, C++, Swift die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #automatic-speech-recognition-Repositories berechnet?
Wir verfolgen 42 aktive Open-Source-Repositories, die mit #automatic-speech-recognition getaggt sind (500+ Sterne), mit insgesamt 118,799 Sternen und durchschnittlich 2,828 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.