Git Stars Git Stars

#speech-to-text Repositories

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

Insgesamt 211 Repositories

151
Neywa-Labs/mlx-audio-swift

Ein modulares Swift SDK für Audioverarbeitung mit MLX auf Apple Silicon

Neywa-Labs
⭐ 822 Swift 👤 Neywa-Labs Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2025-12-03
152
VRCWizard/TTS-Voice-Wizard

Sprache zu Text zu Sprache. Song wird gerade abgespielt. Sendet Text als OSC-Nachrichten an VRChat, um ihn auf dem Avatar anzuzeigen. (STTTS) (Sprache zu TTS) (VRC STT-System) (VTuber TTS)

VRCWizard
⭐ 813 C# 👤 VRCWizard User 🕐 Aktualisiert 2026-10-12 📅 Erstellt 2022-03-15
153
lobehub/lobe-tts

🎤 Lobe TTS - Eine hochwertige und zuverlässige TTS/STT-Bibliothek für Server und Browser

lobehub
⭐ 810 TypeScript 👤 lobehub Organization 🕐 Aktualisiert 2026-11-12 📅 Erstellt 2023-11-02
154
moona3k/macparakeet

Schnelle, private, lokale Sprach-App für Apple Silicon Macs — Diktat, Datei-/Medientranskription, Meeting-Aufzeichnung, Transformationen und eine öffentliche Automatisierungs-CLI. Kostenlos und Open-Source.

moona3k
⭐ 795 Swift 👤 moona3k User 🕐 Aktualisiert 2026-11-09 📅 Erstellt 2026-02-10
155
MetaWu2077/Esp32_VoiceChat_LLMs

ESP32-basiertes Gerät, hauptsächlich verwendet für Voice-Chats mit großen Sprachmodellen

MetaWu2077
⭐ 794 C++ 👤 MetaWu2077 User 🕐 Aktualisiert 2024-03-24 📅 Erstellt 2024-03-09
156
mezbaul-h/june

Lokaler Sprach-Chatbot für ansprechende Gespräche, angetrieben von Ollama, Hugging Face Transformers und Coqui TTS Toolkit

mezbaul-h
⭐ 786 Python 👤 mezbaul-h User 🕐 Aktualisiert 2024-08-12 📅 Erstellt 2024-06-03
157
mallorbc/whisper_mic

Projekt, das es ermöglicht, ein Mikrofon mit OpenAI Whisper zu verwenden.

mallorbc
⭐ 784 Python 👤 mallorbc User 🕐 Aktualisiert 2024-07-04 📅 Erstellt 2022-09-23
158
soupslurpr/Transcribro

Private und On-Device-Spracherkennungs-Tastatur und -Dienst für Android.

soupslurpr
⭐ 765 Kotlin 👤 soupslurpr User 🕐 Aktualisiert 2026-11-12 📅 Erstellt 2024-03-15
159
yeyupiaoling/PaddlePaddle-DeepSpeech

Basierend auf PaddlePaddle implementierte Spracherkennung, Chinesische Spracherkennung. Das Projekt ist vollständig und bietet gute Erkennungsleistung. Unterstützt Training und Vorhersage unter Windows und Linux, unterstützt Vorhersage auf dem Nvidia Jetson-Entwicklungsboard.

yeyupiaoling
⭐ 764 Python 👤 yeyupiaoling User 🕐 Aktualisiert 2025-12-17 📅 Erstellt 2019-11-01
160
amanvirparhar/chaplin

Ein Echtzeit-Tool zur stillen Spracherkennung.

amanvirparhar
⭐ 763 Python 👤 amanvirparhar User 🕐 Aktualisiert 2025-11-02 📅 Erstellt 2025-02-03
161
zhangliwei7758/unity-AI-Chat-Toolkit

Implementierung von KI-Chat-bezogenen Funktionen mit Unity. Diese Bibliothek enthält derzeit Code-Implementierungen für API-Aufrufe an große Sprachmodelle wie ChatGPT und ChatGLM sowie die Implementierung von Sprachdiensten von Microsoft Azure und Baidu AI. Die Sprachdienste verwenden Web-APIs und unterstützen Plattformen wie Windows/WebGL/Android.

zhangliwei7758
⭐ 763 👤 zhangliwei7758 User 🕐 Aktualisiert 2025-07-01 📅 Erstellt 2023-07-22
162
ILikeAI/AlwaysReddy

AlwaysReddy ist ein LLM-Sprachassistent, der immer nur eine Tastenkombination entfernt ist.

ILikeAI
⭐ 760 Python 👤 ILikeAI User 🕐 Aktualisiert 2025-03-04 📅 Erstellt 2024-01-24
163
rapidaai/voice-ai

Rapida ist eine Open-Source, End‑zu‑End‑Plattform für die Orchestrierung von Sprach‑KI, die es ermöglicht, Echtzeit‑Sprachagenten mit Audio‑Streaming, STT, TTS, VAD, Multi‑Channel‑Integration, Agenten‑Status‑Management und Beobachtbarkeit zu bauen。

rapidaai
⭐ 760 Go 👤 rapidaai Organization 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2023-12-07
164
exPHAT/SwiftWhisper

🎤 Der einfachste Weg, Audio in Swift zu transkribieren

exPHAT
⭐ 751 Swift 👤 exPHAT User 🕐 Aktualisiert 2024-05-23 📅 Erstellt 2023-03-29
165
EmulationAI/awesome-large-audio-models

Sammlung von Ressourcen zu den Anwendungen von Large Language Models (LLMs) in Audio AI.

EmulationAI
⭐ 748 👤 EmulationAI Organization 🕐 Aktualisiert 2026-11-02 📅 Erstellt 2023-08-18
166
lhl/voicechat2

Lokaler SRT/LLM/TTS-Voicechat

lhl
⭐ 747 Python 👤 lhl User 🕐 Aktualisiert 2024-10-12 📅 Erstellt 2024-06-29
167
Macoron/whisper.unity

Führt das Sprach-zu-Text-Modell (whisper.cpp) in Unity3d auf Ihrem lokalen Computer aus.

Macoron
⭐ 730 C# 👤 Macoron User 🕐 Aktualisiert 2025-04-17 📅 Erstellt 2023-03-26
168
yeyupiaoling/MASR

Ein Pytorch-basiertes Framework für Streaming und Nicht-Streaming-Spracherkennung, das sowohl Online- als auch Offline-Erkennung unterstützt. Derzeit werden Conformer, Squeezeformer und DeepSpeech2-Modelle unterstützt, zusammen mit verschiedenen Datenaugmentationsmethoden.

yeyupiaoling
⭐ 729 Python 👤 yeyupiaoling User 🕐 Aktualisiert 2026-07-06 📅 Erstellt 2020-07-29
169
MycroftAI/adapt

Adapt Intent Parser

MycroftAI
⭐ 722 Python 👤 MycroftAI Organization 🕐 Aktualisiert 2024-07-21 📅 Erstellt 2015-09-08
170
Baidu-AIP/speech-demo

Sprach-API-Beispiel

Baidu-AIP
⭐ 709 Java 👤 Baidu-AIP Organization 🕐 Aktualisiert 2024-07-25 📅 Erstellt 2018-02-24
171
jamsch/expo-speech-recognition

Spracherkennung für React Native Expo-Projekte

jamsch
⭐ 700 TypeScript 👤 jamsch User 🕐 Aktualisiert 2026-10-29 📅 Erstellt 2023-10-30
172
Picovoice/speech-to-text-benchmark

Speech-to-Text-Benchmark-Framework

Picovoice
⭐ 700 Python 👤 Picovoice Organization 🕐 Aktualisiert 2026-11-16 📅 Erstellt 2018-08-04
173
tover0314-w/opentypeless

Open-Source-KI-Spracheingabe für macOS, Windows und Linux. Drücke eine Tastenkombination, sprich ganz natürlich und erhalte in jeder App polierten Text.

tover0314-w
⭐ 696 Rust 👤 tover0314-w User 🕐 Aktualisiert 2026-11-15 📅 Erstellt 2026-02-26
174
zh-plus/openlrc

Transkribieren und übersetzen Sie Sprache mit Whisper und LLMs (GPT, Claude, et,al) in eine LRC-Datei. Verwenden Sie Whisper und LLM (GPT, Claude usw.), um Ihr Audio zu transkribieren und in eine Untertiteldatei zu übersetzen.

zh-plus
⭐ 684 Python 👤 zh-plus User 🕐 Aktualisiert 2026-08-10 📅 Erstellt 2023-06-08
175
Picovoice/cheetah

On-Device-Streaming-Sprach-zu-Text-Engine, angetrieben durch Deep Learning

Picovoice
⭐ 672 Python 👤 Picovoice Organization 🕐 Aktualisiert 2026-11-12 📅 Erstellt 2018-10-28
176
iskandaryv/meetingly-ai

Open-Source-KI-Assistent für Bewerbungsgespräche und Meeting-Copilot: Live-Antworten während Zoom-, Google-Meet- und Teams-Anrufen, Transkription direkt auf dem Gerät und beim Teilen des Bildschirms unsichtbar. Eine kostenlose Alternative zu Cluely, Interview Coder und Final Round AI für Windows, macOS und Linux.

iskandaryv
⭐ 669 TypeScript 👤 iskandaryv User 🕐 Aktualisiert 2026-11-13 📅 Erstellt 2025-09-04
177
DenisovAV/flutter_edge_ai

KI auf dem Gerät für Flutter – Gemma und andere LLMs, multimodale Funktionen, Funktionsaufrufe, Embeddings, RAG und Sprache auf Android, iOS, Web, macOS, Windows und Linux.

DenisovAV
⭐ 669 Dart 👤 DenisovAV User 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2024-04-02
178
evancohen/sonus

:speech_balloon: /so.nus/ STT (Sprache zu Text) für Node mit Offline-Hotword-Erkennung

evancohen
⭐ 639 JavaScript 👤 evancohen User 🕐 Aktualisiert 2026-09-11 📅 Erstellt 2016-08-30
179
ErickWendel/localstudio

Canva-ähnliches Präsentationsstudio ausschließlich für den Browser, betrieben mit lokaler Web-KI.

ErickWendel
⭐ 637 TypeScript 👤 ErickWendel User 🕐 Aktualisiert 2026-10-21 📅 Erstellt 2026-06-24
180
watzon/pindrop

Eine native macOS-Menüleisten-Diktier-App, die lokale Spracherkennung mit WhisperKit verwendet

watzon
⭐ 628 Swift 👤 watzon User 🕐 Aktualisiert 2026-09-05 📅 Erstellt 2026-01-26
181
weynechen/intrascribe

Kann lokal im privaten Netzwerk bereitgestellt werden, ein Sprachtranskriptions- und Zusammenfassungstool für Teams/Organisationen, vollständiger Frontend- und Backend-Code

weynechen
⭐ 620 TypeScript 👤 weynechen User 🕐 Aktualisiert 2025-09-24 📅 Erstellt 2025-08-13
182
mmpneo/curses

Spracherkennung und KB-Eingabefunktionen für OBS, VRChat, Twitch-Chat und Discord

mmpneo
⭐ 620 TypeScript 👤 mmpneo User 🕐 Aktualisiert 2024-06-18 📅 Erstellt 2022-11-16
183
jitsi/jigasi

Jigasi: eine serverseitige Anwendung, die als Gateway zu Jitsi Meet-Konferenzen fungiert. Ermöglicht derzeit regulären SIP-Clients, an Besprechungen teilzunehmen und bietet Transkriptionsfunktionen.

jitsi
⭐ 615 Java 👤 jitsi Organization 🕐 Aktualisiert 2026-11-18 📅 Erstellt 2014-08-07
184
vardanagarwal/Proctoring-AI

Erstellung einer Software zur automatischen Überwachung bei Online-Aufsicht

vardanagarwal
⭐ 609 Python 👤 vardanagarwal User 🕐 Aktualisiert 2024-12-10 📅 Erstellt 2020-05-04
185
reriiasu/speech-to-text

Echtzeit-Transkription mit faster-whisper

reriiasu
⭐ 607 HTML 👤 reriiasu User 🕐 Aktualisiert 2024-07-23 📅 Erstellt 2023-03-30
186
tornikegomareli/Talkify

Blitzschnelle, kostenlose und lokal ausgerichtete Spracheingabe für macOS mit Transkription auf dem Gerät

tornikegomareli
⭐ 599 Swift 👤 tornikegomareli User 🕐 Aktualisiert 2026-10-17 📅 Erstellt 2026-08-05
187
oxbshw/watch-skill

Gib KI-Agenten Augen, Ohren und überprüfbare Ergebnisse. Watch Skill macht aus Videos, Audio und Bildschirmaktivitäten durchsuchbare, mit Zeitstempeln versehene Belege und weist Arbeit anhand deterministischer Verträge nach – nicht anhand von Modellmeinungen. DeepWatch ist der auf DeepSeek Harness basierende Arbeitsbereich für Agenten. Python + npm, MCP, CLI, REST, Web.

oxbshw
⭐ 599 Python 👤 oxbshw User 🕐 Aktualisiert 2026-11-16 📅 Erstellt 2026-07-05
188
Xewdy444/Playwright-reCAPTCHA

Eine Python-Bibliothek zum Lösen von reCAPTCHA v2 und v3 mit Playwright

Xewdy444
⭐ 592 Python 👤 Xewdy444 User 🕐 Aktualisiert 2026-11-17 📅 Erstellt 2023-01-19
189
PunithVT/ai-avatar-system

🎭 KI-Avatar-/Digital-Human-Plattform – Foto hochladen, Stimme klonen und in Echtzeit mit jedem Gesicht per lippensynchronem Video sprechen. Open Source und selbst gehostet. Claude · Whisper · Chatterbox · MuseTalk.

PunithVT
⭐ 586 Python 👤 PunithVT User 🕐 Aktualisiert 2026-11-13 📅 Erstellt 2025-11-30
190
dsa/fast-voice-assistant

⚡ Unglaublich schneller KI-Sprachassistent mit Antwortzeiten von <500 ms

dsa
⭐ 581 Python 👤 dsa User 🕐 Aktualisiert 2024-12-03 📅 Erstellt 2024-08-27
⭐ 580 C# 👤 VolcanicArts User 🕐 Aktualisiert 2026-10-29 📅 Erstellt 2022-03-14
192
ElishaAz/Sayboard

Eine Open-Source-Stimmen-IME (Tastatur) auf dem Gerät für Android unter Verwendung der Vosk-Bibliothek.

ElishaAz
⭐ 572 Kotlin 👤 ElishaAz User 🕐 Aktualisiert 2025-07-01 📅 Erstellt 2022-02-16
193
algolia/voice-overlay-ios

🗣 Eine Overlay, die die Sprachberechtigung des Benutzers erhält und Eingaben als Text in einer anpassbaren Benutzeroberfläche

algolia
⭐ 557 Swift 👤 algolia Organization 🕐 Aktualisiert 2026-06-23 📅 Erstellt 2018-06-25
194
SonicloudTech/mouse-mcp

MCP-Server für eine Hardwaremaus für KI-Agenten unter Windows x64. USB-HID-Steuerung und Spracheingabe per Diktat; kompatible uMouse-Hardware und -Firmware erforderlich.

SonicloudTech
⭐ 555 TypeScript 👤 SonicloudTech Organization 🕐 Aktualisiert 2026-10-31 📅 Erstellt 2026-10-20
195
opennookorg/betterwispr

Kostenlose, quelloffene Diktier-App für macOS, bei der die lokale Verarbeitung im Vordergrund steht. Halte ein Tastenkürzel gedrückt, sprich, und der Text wird in eine beliebige App eingefügt. Sprache-zu-Text direkt auf dem Gerät mit Whisper, Parakeet und Apple Speech. Eine private, offlinefähige und quelloffene Alternative zu Wispr Flow.

opennookorg
⭐ 544 Swift 👤 opennookorg Organization 🕐 Aktualisiert 2026-11-14 📅 Erstellt 2026-10-07
196
rtzr/Awesome-Korean-Speech-Recognition

Liste koreanischer Spracherkennungs-STT-APIs. Leistungsbenchmarks für jede.

rtzr
⭐ 542 👤 rtzr Organization 🕐 Aktualisiert 2025-08-15 📅 Erstellt 2023-08-21
197
kouhxp/yapsnap

Transkribieren Sie jede Video-URL oder Audiodatei in Klartext. Keine GPU. Keine Cloud. Ein einziger Befehl.

kouhxp
⭐ 538 Python 👤 kouhxp User 🕐 Aktualisiert 2026-09-15 📅 Erstellt 2026-05-20
198
shashikg/WhisperS2T

Eine optimierte Speech-to-Text-Pipeline für das Whisper-Modell mit Unterstützung mehrerer Inferenz-Engines

shashikg
⭐ 534 Jupyter Notebook 👤 shashikg User 🕐 Aktualisiert 2024-08-27 📅 Erstellt 2023-12-16
199
ccoreilly/vosk-browser

Eine Spracherkennungsbibliothek, die dank eines WebAssembly-Builds von Vosk im Browser läuft

ccoreilly
⭐ 531 JavaScript 👤 ccoreilly User 🕐 Aktualisiert 2025-12-07 📅 Erstellt 2021-02-19
200
C4rohan/Lampline

Erstelle KI-Telefonagenten auf deinem eigenen Computer und teste jede Änderung mit einem KI-Anrufer. Open Source, läuft kostenlos ohne API-Schlüssel und kostet mit deinen eigenen Schlüsseln nur wenige Cent pro Anruf. Importiert Dialogflow CX.

C4rohan
⭐ 529 Python 👤 C4rohan User 🕐 Aktualisiert 2026-11-11 📅 Erstellt 2026-10-19