Git Stars Git Stars

#speech-to-text Repositories

Entdecke 211 aktive Open-Source-GitHub-Repositories, die mit #speech-to-text getaggt sind und insgesamt 925,003 Sterne gesammelt haben (durchschnittlich 4,383 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist debpalash/VoiceStudio mit 115,753 Sternen.

211
Gesamtzahl der Repositories
925,003
Gesamtanzahl der Sterne
4,383
Durchschnittliche Sterne/Repo

Insgesamt 211 Repositories

1
debpalash/VoiceStudio

VoiceStudio ist die quelloffene, vollständig lokal ausführbare Alternative zu ElevenLabs – mit Sprachklonen, Sprachdesign, Videodubbing, Diktierfunktion, Transkription und Hörbucherstellung in 646 Sprachen.

debpalash
⭐ 115,753 Python 👤 debpalash User 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2026-04-09
2
ggml-org/whisper.cpp

Portierung von OpenAIs Whisper-Modell in C/C++

ggml-org
⭐ 55,392 C++ 👤 ggml-org Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2022-09-25
3
cjpais/Handy

Eine kostenlose, Open-Source- und erweiterbare Spracherkennungsanwendung, die vollständig offline funktioniert.

cjpais
⭐ 39,490 Rust 👤 cjpais User 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2025-02-13
4
Zackriya-Solutions/meetily

Datenschutzorientierter KI-Meeting-Notizassistent für Windows, macOS und Linux. Kostenlos und Open Source (MIT). Transkription mit Whisper/Parakeet und Sprecherdiarisierung direkt auf dem Gerät – ganz ohne Meeting-Bot. Open-Source-Alternative zu Granola, Otter und Fireflies. https://meetily.ai

Zackriya-Solutions
⭐ 32,937 Rust 👤 Zackriya-Solutions Organization 🕐 Aktualisiert 2026-11-14 📅 Erstellt 2024-12-26
5
SYSTRAN/faster-whisper

Schnellere Whisper-Transkription mit CTranslate2

SYSTRAN
⭐ 26,924 Python 👤 SYSTRAN Organization 🕐 Aktualisiert 2026-11-12 📅 Erstellt 2023-02-11
6
mozilla-ai/llamafile

Verteilen und Ausführen von LLMs mit einer einzigen Datei.

mozilla-ai
⭐ 26,681 C++ 👤 mozilla-ai Organization 🕐 Aktualisiert 2026-11-09 📅 Erstellt 2023-09-10
7
m-bain/whisperX

WhisperX: Automatische Spracherkennung mit wortbezogenen Zeitstempeln (& Diarisierung)

m-bain
⭐ 25,556 Python 👤 m-bain User 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2022-12-09
8
screenpipe/screenpipe

YC (S26) | Screenpipe findet Arbeit, die sich zu automatisieren lohnt | Zeichne deine Computerarbeit kontinuierlich lokal auf, entdecke wiederkehrende Arbeitsabläufe und übergib das Ergebnis an einen beliebigen Agenten, den du bereits nutzt.

screenpipe
⭐ 22,492 Rust 👤 screenpipe Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2024-06-19
9
Evil0ctal/Douyin_TikTok_Download_API

🚀 Self-hosted API zur Datenerfassung von Douyin, TikTok und Bilibili sowie zum Herunterladen wasserzeichenfreier Videos. Unterstützt Aufrufe durch KI-Agenten via MCP und Offline-Spracherkennung. Docker-Bereitstellung mit einem Klick. | Self-hosted Scraper für TikTok, Douyin und Bilibili sowie Downloader für Videos ohne Wasserzeichen — asynchrone REST-API, MCP-Server für KI-Agenten, CLI und Webkonsole sowie Offline-Spracherkennung für heruntergeladene Videos. Selbstheilender Identitätspool, PostgreSQL-Archiv und Start mit einem einzigen `docker compose up`.

Evil0ctal
⭐ 21,507 Python 👤 Evil0ctal User 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2021-11-07
10
modelscope/FunASR

Open-Source-Spracherkennungs-Toolkit für Training, Inferenz, Streaming-ASR, VAD, Interpunktion, Sprecherdiarisierungs-Pipelines und OpenAI-kompatiblen/MCP-Service.

modelscope
⭐ 21,091 Python 👤 modelscope Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2022-11-24
11
jianchang512/pyvideotrans

Übersetzen Sie das Video von einer Sprache in eine andere und betten Sie Synchronisation & Untertitel ein.

jianchang512
⭐ 19,789 Python 👤 jianchang512 User 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2023-10-02
12
leon-ai/leon

🧠 Leon ist dein Open-Source-Personal-Assistent.

leon-ai
⭐ 17,702 TypeScript 👤 leon-ai Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2019-02-10
13
k2-fsa/sherpa-onnx

Spracherkennung, Sprachsynthese, Sprecherdiarisierung, Sprachverbesserung, Quellentrennung und VAD unter Verwendung der nächsten Generation von Kaldi mit onnxruntime ohne Internetverbindung. Unterstützung für eingebettete Systeme, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, RK NPU, Axera NPU, Ascend NPU, x86_64-Server, Websocket-Server/-Client, Unterstützung für 12 Programmiersprachen

k2-fsa
⭐ 16,076 C++ 👤 k2-fsa Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2022-09-01
14
kaldi-asr/kaldi

kaldi-asr/kaldi ist der offizielle Standort des Kaldi-Projekts.

kaldi-asr
⭐ 15,488 Shell 👤 kaldi-asr Organization 🕐 Aktualisiert 2025-09-22 📅 Erstellt 2015-04-20
15
alphacep/vosk-api

Offline-Sprachenerkennungs-API für Android, iOS, Raspberry Pi und Server mit Python, Java, C# und Node

alphacep
⭐ 15,278 Jupyter Notebook 👤 alphacep Organization 🕐 Aktualisiert 2026-10-15 📅 Erstellt 2019-09-03
16
huggingface/speech-to-speech

Erstellen Sie Sprachagenten mit Open-Source-Modellen

huggingface
⭐ 13,760 Python 👤 huggingface Organization 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2024-08-07
17
abus-aikorea/voice-pro

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.

abus-aikorea
⭐ 13,461 Python 👤 abus-aikorea User 🕐 Aktualisiert 2026-07-13 📅 Erstellt 2024-07-29
18
OpenWhispr/openwhispr

Sprach-zu-Text-Diktiersoftware mit lokalen (Nvidia Parakeet/Whisper) und Cloud-Modellen (BYOK). Datenschutzpriorität und plattformübergreifend verfügbar.

OpenWhispr
⭐ 11,968 JavaScript 👤 OpenWhispr Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2025-06-19
19
speechbrain/speechbrain

Ein PyTorch-basiertes Sprachtoolkit

speechbrain
⭐ 11,946 Python 👤 speechbrain Organization 🕐 Aktualisiert 2026-10-14 📅 Erstellt 2020-04-28
20
QuentinFuxa/WhisperLiveKit

Echtzeit- und lokale Sprach-zu-Text-Transkription mit Streaming-ASR, Sprecherdiarisierung, Übersetzung und OpenAI/Deepgram-kompatiblen APIs.

QuentinFuxa
⭐ 11,275 Python 👤 QuentinFuxa User 🕐 Aktualisiert 2026-11-14 📅 Erstellt 2024-12-19
21
nexmoe/VidBee

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.

nexmoe
⭐ 11,189 TypeScript 👤 nexmoe User 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2025-10-22
22
KoljaB/RealtimeSTT

Eine robuste, effiziente und latenzarme Speech-to-Text-Bibliothek mit fortschrittlicher Spracherkennung, Aktivierung durch Weckwörter und sofortiger Transkription.

KoljaB
⭐ 10,257 Python 👤 KoljaB User 🕐 Aktualisiert 2026-11-11 📅 Erstellt 2023-08-29
23
QwenAudio/SenseVoice

Open-Source-SenseVoiceSmall-Modell für ASR in Mandarin, Kantonesisch, Englisch, Japanisch und Koreanisch, Sprachidentifikation, Emotionserkennung und Audioereigniserkennung.

QwenAudio
⭐ 9,797 C 👤 QwenAudio Organization 🕐 Aktualisiert 2026-09-30 📅 Erstellt 2024-07-03
24
Uberi/speech_recognition

Spracherkennungsmodul für Python, das mehrere Engines und APIs unterstützt, online und offline.

Uberi
⭐ 9,008 Python 👤 Uberi User 🕐 Aktualisiert 2026-11-17 📅 Erstellt 2014-04-23
25
nl8590687/ASRT_SpeechRecognition

Ein auf Deep Learning basierendes chinesisches Spracherkennungssystem

nl8590687
⭐ 8,404 Python 👤 nl8590687 User 🕐 Aktualisiert 2026-04-10 📅 Erstellt 2017-03-06
26
Neywa-Labs/mlx-audio

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.

Neywa-Labs
⭐ 8,315 Python 👤 Neywa-Labs Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2024-11-27
27
Osmantic/ODS

ODS V3 Vorabversion: Öffentliche Tests und Verbesserungen vor dem offiziellen Start von V3. Verwandeln Sie Ihren PC, Mac oder Linux-Rechner in einen privaten KI-Server.

Osmantic
⭐ 7,882 Python 👤 Osmantic Organization 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2026-02-09
28
anomalyco/hex

Lokale Spracheingabe für Mac, Windows und Linux

anomalyco
⭐ 7,836 Rust 👤 anomalyco Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2026-07-17
29
getopenscreen/openscreen

Bildschirm aufnehmen, Demo veröffentlichen. Kostenlos und quelloffen, GPU-beschleunigt, keine Wasserzeichen, keine Abonnements. Windows, macOS, Linux. Aktiv gepflegt.

getopenscreen
⭐ 7,685 TypeScript 👤 getopenscreen Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2026-03-14
30
TalAter/annyang

💬 Spracherkennung für Ihre Website

TalAter
⭐ 6,820 TypeScript 👤 TalAter User 🕐 Aktualisiert 2026-10-29 📅 Erstellt 2013-08-23
31
modelscope/FunClip

FunASR-basiertes Tool für Videotranskription, Untertitelgenerierung und LLM-gestützten Videoschnitt mit lokaler Gradio-Benutzeroberfläche.

modelscope
⭐ 6,613 Python 👤 modelscope Organization 🕐 Aktualisiert 2026-11-01 📅 Erstellt 2023-05-17
32
argmaxinc/argmax-oss-swift

On-Device-Sprach-KI für Apple Silicon

argmaxinc
⭐ 6,471 Swift 👤 argmaxinc Organization 🕐 Aktualisiert 2026-10-27 📅 Erstellt 2024-01-26
33
ddean2009/MoneyPrinterPlus

KI erzeugt auf Knopfdruck Massen von Kurzvideos, schneidet automatisch Kurzvideos zusammen, veröffentlicht Videos automatisch auf Douyin, Kuaishou, Xiaohongshu, Video Channel, Geldverdienen war noch nie so einfach! Unterstützt lokale Sprachmodelle chatTTS, faster-whisper, GPTSoVITS, unterstützt Cloud-Sprachen: Azure, Alibaba Cloud, Tencent Cloud. Unterstützt Stable Diffusion, ComfyUI für direkte KI-Bilderzeugung. Generieren Sie mit KI LLM mit einem Klick Kurzvideos, drucken Sie gemeinsam Geld! Unterstützt: chatTTS, faster-whisper, GPTSoVITS, Azure, Tencent Cloud, Ali Cloud.

ddean2009
⭐ 6,408 Python 👤 ddean2009 User 🕐 Aktualisiert 2025-03-07 📅 Erstellt 2024-05-09
34
dograh-hq/dograh

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.

dograh-hq
⭐ 6,240 Python 👤 dograh-hq Organization 🕐 Aktualisiert 2026-11-16 📅 Erstellt 2025-09-09
35
snakers4/silero-models

Silero-Modelle: Vortrainierte Text-zu-Sprache-Modelle, deren Nutzung erstaunlich einfach ist

snakers4
⭐ 6,223 Jupyter Notebook 👤 snakers4 User 🕐 Aktualisiert 2026-10-15 📅 Erstellt 2020-09-11
36
Shaunwei/RealChar

🎙️🤖Erstellen, Anpassen und Unterhalten Sie sich in Echtzeit mit Ihrem KI-Charakter/Begleiter (Alles in einer Codebasis!). Führen Sie nahtlose natürliche Gespräche mit KI überall (mobil, Web und Terminal) unter Verwendung von LLM OpenAI GPT3.5/4, Anthropic Claude2, Chroma Vector DB, Whisper Speech2Text, ElevenLabs Text2Speech🎙️🤖

Shaunwei
⭐ 6,216 JavaScript 👤 Shaunwei User 🕐 Aktualisiert 2026-01-20 📅 Erstellt 2023-06-26
37
liuzhao1225/YouDub-Desktop

Open-Source-KI-Videolokalisierung und -Synchronisation für YouTube/Bilibili: Spracherkennung, Untertitelübersetzung, Stimmenklonen, Audiomischung und Rendering. Open-Source-KI-Tool für Videoübersetzung und -synchronisation.

liuzhao1225
⭐ 5,874 TypeScript 👤 liuzhao1225 User 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2023-12-26
38
MahmoudAshraf97/whisper-diarization

Automatische Spracherkennung mit Sprecher-Diarisierung basierend auf OpenAI Whisper

MahmoudAshraf97
⭐ 5,676 Jupyter Notebook 👤 MahmoudAshraf97 User 🕐 Aktualisiert 2026-08-15 📅 Erstellt 2023-01-25
39
AhmadHassan-BTed/B

Ein autonomer, kontextsensitiver KI-Desktopbegleiter. Mit Python entwickelt, bietet er Echtzeit-Bildschirmerkennung, benutzerdefinierte ONNX-Sprachsynthese, die Erfassung des aktiven Fensters und eine dynamische, schwebende Benutzeroberfläche mit reaktiven Gesichtsausdrücken.

AhmadHassan-BTed
⭐ 5,177 Python 👤 AhmadHassan-BTed User 🕐 Aktualisiert 2026-07-07 📅 Erstellt 2026-05-02
40
jianchang512/stt

Spracherkennung zu Text Tool / Ein lokales Offline-Tool zur Konvertierung von Audio-/Videountertiteln, das JSON-, SRT-Untertitel und reinen Text ausgibt

jianchang512
⭐ 4,857 Python 👤 jianchang512 User 🕐 Aktualisiert 2026-01-22 📅 Erstellt 2023-12-28
41
sanchit-gandhi/whisper-jax

JAX-Implementierung von OpenAIs Whisper-Modell für eine Geschwindigkeitssteigerung von bis zu 70x auf TPUs.

sanchit-gandhi
⭐ 4,649 Jupyter Notebook 👤 sanchit-gandhi User 🕐 Aktualisiert 2024-04-03 📅 Erstellt 2023-03-02
42
gradio-app/fastrtc

Die Python-Bibliothek für Echtzeitkommunikation

gradio-app
⭐ 4,639 JavaScript 👤 gradio-app Organization 🕐 Aktualisiert 2026-10-21 📅 Erstellt 2024-09-25
43
tmoroney/auto-subs

On-Device-Untertitelgenerierung, die direkt mit DaVinci Resolve, Premiere und After Effects verbunden ist.

tmoroney
⭐ 4,598 TypeScript 👤 tmoroney User 🕐 Aktualisiert 2026-11-11 📅 Erstellt 2023-03-15
44
0xShug0/audio.cpp

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.

0xShug0
⭐ 4,385 C++ 👤 0xShug0 User 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2026-06-23
45
Open-Less/openless

Taste gedrückt halten, sprechen, loslassen — KI-verfeinerter Text erscheint am Cursor in jeder App. Open-Source-Spracheneingabe für macOS & Windows.

Open-Less
⭐ 4,148 Rust 👤 Open-Less Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2026-04-27
46
SakiRinn/LiveCaptions-Translator

Leichtgewichtiges und leistungsstarkes Echtzeit-Audio-/Sprachübersetzungstool, das auf Windows LiveCaptions basiert.

SakiRinn
⭐ 4,121 C# 👤 SakiRinn User 🕐 Aktualisiert 2026-08-17 📅 Erstellt 2024-09-13
47
KoljaB/RealtimeVoiceChat

Führen Sie ein natürliches, gesprochenes Gespräch mit KI!

KoljaB
⭐ 3,875 Python 👤 KoljaB User 🕐 Aktualisiert 2026-11-12 📅 Erstellt 2025-04-19
48
vocodedev/vocode-core

Erstellen Sie sprachbasierte LLM-Agenten. Modular + Open Source.

vocodedev
⭐ 3,670 Python 👤 vocodedev Organization 🕐 Aktualisiert 2024-11-15 📅 Erstellt 2023-02-24
49
antiboredom/videogrep

automatische Videoschnipsel mit Python

antiboredom
⭐ 3,446 Python 👤 antiboredom User 🕐 Aktualisiert 2024-04-19 📅 Erstellt 2014-05-27
50
ahmetoner/whisper-asr-webservice

OpenAI Whisper ASR Webservice API

ahmetoner
⭐ 3,370 Python 👤 ahmetoner User 🕐 Aktualisiert 2026-10-01 📅 Erstellt 2022-09-22

Häufig gestellte Fragen

1

Welches ist das beliebteste #speech-to-text-Repository auf GitHub?

Das am höchsten eingestufte Open-Source-#speech-to-text-Projekt auf GitHub ist debpalash/VoiceStudio mit 115,753 Sternen. VoiceStudio ist die quelloffene, vollständig lokal ausführbare Alternative zu ElevenLabs – mit Sprachklonen, Sprachdesign, Videodubbing, Diktierfunktion, Transkription und Hörbucherstellung in 646 Sprachen.

2

Welche Programmiersprachen werden in #speech-to-text-Repositories am häufigsten verwendet?

Unter den am höchsten eingestuften #speech-to-text-Projekten auf GitHub sind Python, TypeScript, Rust, C++ die am häufigsten verwendeten Programmiersprachen.

3

Wie wird das Ranking der #speech-to-text-Repositories berechnet?

Wir verfolgen 211 aktive Open-Source-Repositories, die mit #speech-to-text getaggt sind (500+ Sterne), mit insgesamt 925,003 Sternen und durchschnittlich 4,383 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.