#speech-to-speech Repositories
Entdecke 16 aktive Open-Source-GitHub-Repositories, die mit #speech-to-speech getaggt sind und insgesamt 35,295 Sterne gesammelt haben (durchschnittlich 2,205 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist dograh-hq/dograh mit 6,240 Sternen.
Insgesamt 17 Repositories
Open-Source-Sprach-KI-Plattform. Selbstgehostete Alternative zu Vapi und Retell. On-Premise, BYOK für Speech-to-Speech oder LLM/STT/TTS, mit visuellem Workflow-Builder, MCP-nativ und Telefonie-Unterstützung.
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.
Ein einfaches, hochwertiges Stimmumwandlungstool, das auf Benutzerfreundlichkeit und Leistung ausgelegt ist.
Open-Source multimodales großes Sprachmodell, das hören, sprechen und denken kann. Mit Echtzeit-Ende-zu-Ende-Spracheingabe und Streaming-Audio-Ausgabe-Konversationsfähigkeiten.
LLaMA-Omni ist ein End-to-End-Sprachinteraktionsmodell mit geringer Latenz und hoher Qualität, das auf Llama-3.1-8B-Instruct basiert und darauf abzielt, Sprachfähigkeiten auf dem Niveau von GPT-4o zu erreichen.
Echtzeit-Sprach-KI mit über 100 Modellen auf Arduino ESP32, mit sicheren WebSockets und Edge-Funktionen für KI-Spielzeuge, Schreibtischbegleiter und Geräte
KI-Sprach-Toolkit für Apple Silicon — ASR, TTS, Speech-to-Speech, VAD und Diarization, unterstützt von MLX und CoreML
Sprach-KI-Freundin (Sprach-KI-Freundin für DeepSeek Harness): Spracheingabe mit Whisper + Stimmenklonen mit Qwen3-TTS + satzweise Streaming-Wiedergabe + animiertes Avatarfenster. Zwei Modi: Unterbrechen oder Einreihen; Sprechen unterbricht sofort.
Fun-Audio-Chat ist ein großes Audio-Sprachmodell, das für natürliche Sprachinteraktionen mit geringer Latenz entwickelt wurde.
Eine blitzschnelle, plattformübergreifende mobile KI-Assistenten-App, entwickelt mit React Native.
Ein modulares Swift SDK für Audioverarbeitung mit MLX auf Apple Silicon
Selbst gehostetes, API-orientiertes KI-Callcenter: Die KI spricht, der Code steuert den Anruf. KI-Agenten nehmen jeden Anruf entgegen; Menschen können übernehmen, ohne dass die Verbindung abbricht. Läuft mit FreeSWITCH, Ihrem SIP-Trunk und einem Echtzeitmodell (OpenAI, Grok, Qwen, Doubao oder einem beliebigen kompatiblen Gateway).
Das weltweit erste Open‑Source-Modell für Echtzeit-zu‑Ende-Konversationen mit personalisiertem Sprachklon.
Hochwertiger und streaming-fähiger Speech-to-Speech-interaktiver Agent in einer einzigen Datei. Prototyp eines intelligenten Agenten für streaming-basiertes Full-Duplex-Sprachinteraktionssystem, implementiert in nur einer Datei!
Offene Vollduplex-Sprachmodelle, die deinen Tonfall erkennen und selbst mit einem passenden Tonfall sprechen. Eine GPU mit vLLM-Omni oder vollständig offline auf einem Mac mit MLX. Zero-Shot-Sprachklonen, kompatibel mit OpenAI Realtime / GPT-Live, plus kostenloser Testzugang zur gehosteten API. Apache-2.0.
Häufig gestellte Fragen
Welches ist das beliebteste #speech-to-speech-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#speech-to-speech-Projekt auf GitHub ist dograh-hq/dograh mit 6,240 Sternen. Open-Source-Sprach-KI-Plattform. Selbstgehostete Alternative zu Vapi und Retell. On-Premise, BYOK für Speech-to-Speech oder LLM/STT/TTS, mit visuellem Workflow-Builder, MCP-nativ und Telefonie-Unterstützung.
Welche Programmiersprachen werden in #speech-to-speech-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #speech-to-speech-Projekten auf GitHub sind Python, TypeScript, Swift, C++ die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #speech-to-speech-Repositories berechnet?
Wir verfolgen 16 aktive Open-Source-Repositories, die mit #speech-to-speech getaggt sind (500+ Sterne), mit insgesamt 35,295 Sternen und durchschnittlich 2,205 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.