#speech-recognition Repositories
Entdecke 204 aktive Open-Source-GitHub-Repositories, die mit #speech-recognition getaggt sind und insgesamt 889,741 Sterne gesammelt haben (durchschnittlich 4,361 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist huggingface/transformers mit 169,339 Sternen.
Insgesamt 206 Repositories
🤗 Transformers: Der Framework zur Modell-Definition für State-of-the-Art-Machine-Learning-Modelle in Text, Vision, Audio und multimodalen Modellen, sowohl für Inferenz als auch für Training.
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.
Offline-Sprachenerkennungs-API für Android, iOS, Raspberry Pi und Server mit Python, Java, C# und Node
State-of-the-Art Deep-Learning-Skripte, nach Modellen organisiert - einfach zu trainieren und bereitzustellen mit reproduzierbarer Genauigkeit und Leistung auf Unternehmensklasse-Infrastruktur.
Gradio WebUI für Kreative und Entwickler, mit wichtiger TTS (Edge-TTS, kokoro) und Zero-Shot Voice Cloning (E2 & F5-TTS, CosyVoice), mit Whisper-Audioverarbeitung, YouTube-Download, Demucs-Stimmisolation und mehrsprachiger Übersetzung.
Tauchen Sie ein in Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision und NLP, indem Sie aus diesen spannenden Vorlesungen lernen!!
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.
OpenVINO™ ist ein Open-Source-Toolkit zur Optimierung und Bereitstellung von KI-Inferenz.
Echtzeit- und lokale Sprach-zu-Text-Transkription mit Streaming-ASR, Sprecherdiarisierung, Übersetzung und OpenAI/Deepgram-kompatiblen APIs.
Open-Source-SenseVoiceSmall-Modell für ASR in Mandarin, Kantonesisch, Englisch, Japanisch und Koreanisch, Sprachidentifikation, Emotionserkennung und Audioereigniserkennung.
Spracherkennungsmodul für Python, das mehrere Engines und APIs unterstützt, online und offline.
Ein auf Deep Learning basierendes chinesisches Spracherkennungssystem
Eine Text-to-Speech (TTS), Speech-to-Text (STT) und Speech-to-Speech (STS) Bibliothek, die auf Apples MLX-Framework basiert und eine effiziente Sprachanalyse auf Apple Silicon ermöglicht.
FunASR-basiertes Tool für Videotranskription, Untertitelgenerierung und LLM-gestützten Videoschnitt mit lokaler Gradio-Benutzeroberfläche.
Automatische Spracherkennung mit Sprecher-Diarisierung basierend auf OpenAI Whisper
Spracherkennung zu Text Tool / Ein lokales Offline-Tool zur Konvertierung von Audio-/Videountertiteln, das JSON-, SRT-Untertitel und reinen Text ausgibt
JAX-Implementierung von OpenAIs Whisper-Modell für eine Geschwindigkeitssteigerung von bis zu 70x auf TPUs.
Destillierte Variante von Whisper für Spracherkennung. 6x schneller, 50% kleiner, innerhalb 1% Wortfehlerrate.
Qwen3-ASR ist eine Open-Source-Serie von ASR-Modellen, die vom Qwen-Team von Alibaba Cloud entwickelt wurde und stabile Mehrsprachigkeits-Erkennung von Sprache/Musik/Liedern, Spracherkennung und Zeitstempelvorhersage unterstützt.
Digital Avatar Konversationssystem - Linly-Talker. 😄✨ Linly-Talker ist ein intelligentes KI-System, das große Sprachmodelle (LLMs) mit visuellen Modellen kombiniert, um eine neuartige Methode der Mensch-KI-Interaktion zu schaffen. 🤝🤖 Es integriert verschiedene Technologien wie Whisper, Linly, Microsoft Speech Services und das SadTalker Talking Head-Generierungssystem. 🌟🔬
Beispielcode für das Microsoft Cognitive Services Speech SDK
Eine Echtzeit-Sprachlaufzeitumgebung, die Agenten im Gespräch, bei der Arbeit und präsent hält. Echtzeit-Sprachlaufzeitumgebung für KI-Agenten
Whisper & Faster-Whisper eigenständige ausführbare Dateien für diejenigen, die sich nicht mit Python herumschlagen wollen.
Open-Source, lokale und selbst gehostete Alternative zu Amazons Echo/Google Home-konkurrierenden Sprachassistenten
Wandle Audio und Video mit einer benutzerfreundlichen Weboberfläche in Untertitel um. Alles läuft auf deinem eigenen Rechner. Früher Whishper.
Dies ist ein vollautomatisches (Audio-)Videoübersetzungsprojekt. Es nutzt Whisper zur Spracherkennung, KI-Großmodelle zur Übersetzung von Untertiteln und fasst abschließend Untertitel und Video zusammen, um übersetzte Videos zu generieren.
Ein Open-Source-Framework zur Erkennung von Audio-Schlagwörtern (oder Phrasen) mit Schwerpunkt auf Leistung und Einfachheit.
Mehrsprachige automatische Spracherkennung mit Wort-Timestamps und Konfidenz
Häufig gestellte Fragen
Welches ist das beliebteste #speech-recognition-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#speech-recognition-Projekt auf GitHub ist huggingface/transformers mit 169,339 Sternen. 🤗 Transformers: Der Framework zur Modell-Definition für State-of-the-Art-Machine-Learning-Modelle in Text, Vision, Audio und multimodalen Modellen, sowohl für Inferenz als auch für Training.
Welche Programmiersprachen werden in #speech-recognition-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #speech-recognition-Projekten auf GitHub sind Python, Jupyter Notebook, C++, TypeScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #speech-recognition-Repositories berechnet?
Wir verfolgen 204 aktive Open-Source-Repositories, die mit #speech-recognition getaggt sind (500+ Sterne), mit insgesamt 889,741 Sternen und durchschnittlich 4,361 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.