#speaker-diarization Repositories
Entdecke 28 aktive Open-Source-GitHub-Repositories, die mit #speaker-diarization getaggt sind und insgesamt 125,249 Sterne gesammelt haben (durchschnittlich 4,473 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist modelscope/FunASR mit 21,091 Sternen.
Insgesamt 28 Repositories
Open-Source-Spracherkennungs-Toolkit für Training, Inferenz, Streaming-ASR, VAD, Interpunktion, Sprecherdiarisierungs-Pipelines und OpenAI-kompatiblen/MCP-Service.
Echtzeit- und lokale Sprach-zu-Text-Transkription mit Streaming-ASR, Sprecherdiarisierung, Übersetzung und OpenAI/Deepgram-kompatiblen APIs.
Lade Videos und Audiodateien von über 1.000 Websites herunter, transkribiere sie lokal mit Sprecherkennzeichnung und fasse deine Medien mit deinem bevorzugten KI-Anbieter zusammen, übersetze sie oder chatte darüber.
Neuronale Bausteine für die Speaker-Diarisierung: Sprachaktivitätsdetektion, Sprecherwechseldetektion, Detektion überlappender Sprache, Speaker-Embedding
Automatische Spracherkennung mit Sprecher-Diarisierung basierend auf OpenAI Whisper
Speakr ist eine persönliche, selbst gehostete Webanwendung zur Transkription von Audioaufnahmen
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.
Ein Repository für die Sprecherverifikation, Sprechererkennung und Sprechersegmentierung für einzelne und multimodale Sprecher
Mehrsprachige automatische Spracherkennung mit Wort-Timestamps und Konfidenz
Ein 0,9B-Modell für die Transkription langer Inhalte in über 50 Sprachen mit Sprecherdiarisierung, Zeitstempeln und Erkennung akustischer Ereignisse
Eine kuratierte Liste toller Speaker-Diarization-Papiere, Bibliotheken, Datensätze und anderer Ressourcen.
Fun-ASR-Spracherkennungsmodelle mit nativer Unterstützung für Hugging Face Transformers für Fun-ASR-Nano sowie separaten Bereitstellungspfaden für FunASR, vLLM und llama.cpp.
Dies ist die Bibliothek für den Unbounded Interleaved-State Recurrent Neural Network (UIS-RNN) Algorithmus, der dem Paper Fully Supervised Speaker Diarization entspricht.
Auf Forschung und Produktion ausgerichtetes Toolkit für Sprecherverifikation, Sprechererkennung und Sprechersegmentierung
KI-Sprach-Toolkit für Apple Silicon — ASR, TTS, Speech-to-Speech, VAD und Diarization, unterstützt von MLX und CoreML
Ein GUI-Tool für die Offline-Transkription von Sprachaufnahmen, einschließlich Sprecherdiarisierung, unter Verwendung modernster maschineller Lernmodelle.
schlüsselfertiger selbst gehosteter Offline-Transkriptions- und Diarisierungsdienst mit LLM-Zusammenfassung
Automatisierte All-in-One-Software zur Untertitelgenerierung; deckt den gesamten Prozess von Download, Transkription, Übersetzung bis hin zum Einbrennen ab, ganz ohne manuellen Eingriff.
Kann lokal im privaten Netzwerk bereitgestellt werden, ein Sprachtranskriptions- und Zusammenfassungstool für Teams/Organisationen, vollständiger Frontend- und Backend-Code
Python-Reimplementierung der (beschränkten) spektralen Cluster-Algorithmen, die in Googles Arbeiten zur Speaker-Diarisierung verwendet werden.
Häufig gestellte Fragen
Welches ist das beliebteste #speaker-diarization-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#speaker-diarization-Projekt auf GitHub ist modelscope/FunASR mit 21,091 Sternen. Open-Source-Spracherkennungs-Toolkit für Training, Inferenz, Streaming-ASR, VAD, Interpunktion, Sprecherdiarisierungs-Pipelines und OpenAI-kompatiblen/MCP-Service.
Welche Programmiersprachen werden in #speaker-diarization-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #speaker-diarization-Projekten auf GitHub sind Python, TypeScript, Swift, Jupyter Notebook die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #speaker-diarization-Repositories berechnet?
Wir verfolgen 28 aktive Open-Source-Repositories, die mit #speaker-diarization getaggt sind (500+ Sterne), mit insgesamt 125,249 Sternen und durchschnittlich 4,473 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.