#voice-activity-detection Repositories
Entdecke 34 aktive Open-Source-GitHub-Repositories, die mit #voice-activity-detection getaggt sind und insgesamt 106,805 Sterne gesammelt haben (durchschnittlich 3,141 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist modelscope/FunASR mit 21,091 Sternen.
Insgesamt 35 Repositories
Open-Source-Spracherkennungs-Toolkit für Training, Inferenz, Streaming-ASR, VAD, Interpunktion, Sprecherdiarisierungs-Pipelines und OpenAI-kompatiblen/MCP-Service.
Neuronale Bausteine für die Speaker-Diarisierung: Sprachaktivitätsdetektion, Sprecherwechseldetektion, Detektion überlappender Sprache, Speaker-Embedding
[NICHT MEHR UNTERSTÜTZT] Kommandozeilen-Tool zum automatischen Generieren von Untertiteln für jede Videodatei
Whisper Echtzeit-Streaming für lange Sprach-zu-Text-Transkription und -Übersetzung
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.
Die Open-Source-Alternative zu Cluely - Ein blitzschneller, datenschutzorientierter KI-Assistent, der nahtlos während Besprechungen, Interviews und Gesprächen funktioniert, ohne dass es jemand merkt. Gebaut mit Tauri für native Leistung, nur 10 MB. Völlig unauffindbar bei Videoanrufen, Bildschirmfreigaben und Aufzeichnungen.
Voice Activity Detector (VAD): geringe Latenz, hohe Leistung und leichtgewichtig
🔊 Eine umfassende Liste quelloffener Datensätze für Sprach- und Soundcomputing (über 95 Datensätze).
Echtzeit-Spracherkennung und Sprachaktivitätserkennung (VAD) mit Next-Gen Kaldi mit ncnn ohne Internetverbindung. Unterstützung für iOS, Android, Linux, macOS, Windows, Raspberry Pi, VisionFive2, LicheePi4A usw.
💎 Eine Liste zugänglicher Sprachkorpora für ASR, TTS und andere SprachTechnologien
KI-Sprach-Toolkit für Apple Silicon — ASR, TTS, Speech-to-Speech, VAD und Diarization, unterstützt von MLX und CoreML
Dies ist ein Sprachinteraktionssystem, das auf einem Open-Source-Modell basiert und ASR, LLM und TTS sequenziell integriert. Das ASR-Modell ist SenceVoice, die LLM-Modelle sind QWen2.5-0.5B/1.5B, und es gibt drei TTS-Modelle: CosyVoice, Edge-TTS und pyttsx3
Offizielles Python-Toolkit für die Qwen3-ASR-API. Parallele Hochdurchsatzaufrufe, robuste Langstrecken-Audio-Transkription, Unterstützung für mehrere Abtastraten.
CNN-basiertes Audio-Segmentierungstoolkit. Ermöglicht die Erkennung von Sprache, Musik, Lärm und Geschlecht des Sprechers. Wurde für groß angelegte Geschlechtergleichheitsstudien basierend auf Sprechzeit pro Geschlecht entwickelt.
Dolphin ist ein mehrsprachiges, multitaskingfähiges ASR-Modell, das gemeinsam von DataoceanAI und der Tsinghua University trainiert wurde.
Ein SOTA-Industrie-All-in-One-ASR-System mit ASR-, VAD-, LID- und Punc-Modulen. FireRedASR2 unterstützt Chinesisch (Mandarin, 20+ Dialekte/Akzente), Englisch, Code-Switching sowie Sprach- und Gesangs-ASR. FireRedVAD unterstützt Sprache/Gesang/Musik in 100+ Sprachen. FireRedLID unterstützt 100+ Sprachen und 20+ chinesische Dialekte. FireRedPunc unterstützt Chinesisch und Englisch.
Sprachaktivitätsdetektion (VAD)-Bibliothek, basierend auf dem VAD-Engine von WebRTC
Eine SOTA-Industriequalität für Spracherkennung und Audio-Ereigniserkennung, die über 100 Sprachen unterstützt und Silero-VAD, TEN-VAD, FunASR-VAD und WebRTC-VAD übertrifft
API und Websocket-Server für Sensevoice. Er hat einige verbesserte Funktionen übernommen, wie VAD-Erkennung, Echtzeit-Streaming-Erkennung und Sprecherverifizierung.
Eine optimierte Speech-to-Text-Pipeline für das Whisper-Modell mit Unterstützung mehrerer Inferenz-Engines
Sprachsynthese, Spracherkennung und Sprachaktivitätserkennung für Sprachkonversationen in C++ auf ggml: Qwen3-TTS, Irodori-TTS, Qwen3-ASR, ReazonSpeech, parakeet und Silero VAD auf Metal, Vulkan und der CPU, mit einem OpenAI-kompatiblen Server und Live-Transkription.
Synchronisieren und Untertitel automatisch übersetzen, oder neu erstellen, indem Sie sie transkribieren, unter Verwendung von vortrainierten DNNs, erzwungenen Alignments und Transformern. https://subaligner.readthedocs.io/
Ein leichtgewichtiges Client-Server-System für die Echtzeit-Audioverarbeitung mit Sprachaktivitätserkennung (VAD) und automatischer Spracherkennung (ASR).
Häufig gestellte Fragen
Welches ist das beliebteste #voice-activity-detection-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#voice-activity-detection-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 #voice-activity-detection-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #voice-activity-detection-Projekten auf GitHub sind Python, C, C++, Jupyter Notebook die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #voice-activity-detection-Repositories berechnet?
Wir verfolgen 34 aktive Open-Source-Repositories, die mit #voice-activity-detection getaggt sind (500+ Sterne), mit insgesamt 106,805 Sternen und durchschnittlich 3,141 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.