Git Stars Git Stars

#asr Repositorios

Descubre 100 repositorios activos de código abierto de GitHub etiquetados con #asr, que acumulan 289,141 estrellas en total (una media de 2,891 estrellas por proyecto). El líder de este tema es m-bain/whisperX, con 25,556 estrellas.

100
Total de Repositorios
289,141
Total de estrellas
2,891
Promedio de Estrellas/Repo

101 repositorios en total

1
m-bain/whisperX

WhisperX: Reconocimiento automático de voz con marcas de tiempo a nivel de palabra (& diarización)

m-bain
⭐ 25,556 Python 👤 m-bain User 🕐 Actualizado 2026-11-21 📅 Creado 2022-12-09
2
modelscope/FunASR

Kit de herramientas de reconocimiento de voz de código abierto para entrenamiento, inferencia, ASR en streaming, VAD, puntuación, tuberías de diarización de hablantes y servicio compatible con OpenAI/MCP.

modelscope
⭐ 21,091 Python 👤 modelscope Organization 🕐 Actualizado 2026-11-21 📅 Creado 2022-11-24
3
NVIDIA-NeMo/Speech

Un marco escalable de IA generativa construido para investigadores y desarrolladores que trabajan en Modelos de Lenguaje Grandes, Multimodal y IA de Voz (Reconocimiento Automático de Voz y Texto a Voz)

NVIDIA-NeMo
⭐ 18,775 Python 👤 NVIDIA-NeMo Organization 🕐 Actualizado 2026-11-21 📅 Creado 2019-08-05
4
k2-fsa/sherpa-onnx

Reconocimiento de voz a texto, texto a voz, diarización de hablantes, mejora de voz, separación de fuentes y VAD utilizando la próxima generación de Kaldi con onnxruntime sin conexión a Internet. Soporte para sistemas integrados, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, NPU RK, NPU Axera, NPU Ascend, servidores x86_64, servidor/cliente websocket, soporte para 12 lenguajes de programación

k2-fsa
⭐ 16,076 C++ 👤 k2-fsa Organization 🕐 Actualizado 2026-11-21 📅 Creado 2022-09-01
5
alphacep/vosk-api

API de reconocimiento de voz offline para Android, iOS, Raspberry Pi y servidores con Python, Java, C# y Node

alphacep
⭐ 15,278 Jupyter Notebook 👤 alphacep Organization 🕐 Actualizado 2026-10-15 📅 Creado 2019-09-03
6
PaddlePaddle/PaddleSpeech

Kit de herramientas de voz fácil de usar que incluye modelo de aprendizaje auto-supervisado, ASR en streaming/SOTA con puntuación, TTS en streaming con frontend de texto, sistema de verificación de hablante, traducción de voz de extremo a extremo y detección de palabras clave. Ganó el premio al Mejor Demo de NAACL2022.

PaddlePaddle
⭐ 12,713 Python 👤 PaddlePaddle Organization 🕐 Actualizado 2026-08-12 📅 Creado 2017-11-14
7
speechbrain/speechbrain

Un kit de herramientas de voz basado en PyTorch

speechbrain
⭐ 11,946 Python 👤 speechbrain Organization 🕐 Actualizado 2026-10-14 📅 Creado 2020-04-28
8
QwenAudio/SenseVoice

Modelo SenseVoiceSmall de código abierto para ASR en mandarín, cantonés, inglés, japonés y coreano, identificación de idioma, reconocimiento de emociones y detección de eventos de audio.

QwenAudio
⭐ 9,797 C 👤 QwenAudio Organization 🕐 Actualizado 2026-09-30 📅 Creado 2024-07-03
9
jdepoix/youtube-transcript-api

Esta es una API de Python que te permite obtener la transcripción/subtítulos para un video de YouTube dado. También funciona con subtítulos generados automáticamente y no requiere una clave de API ni un navegador sin cabeza, como hacen otras soluciones basadas en Selenium.

jdepoix
⭐ 8,644 Python 👤 jdepoix User 🕐 Actualizado 2026-11-09 📅 Creado 2018-04-20
10
wzpan/wukong-robot

🤖 wukong-robot es un proyecto simple, flexible y elegante de robot de diálogo de voz en chino/altavoz inteligente, que soporta las capacidades de diálogo multi-turno de ChatGPT, y podría ser el primer proyecto de altavoz inteligente de código abierto que soporta interacción cerebro-computadora.

wzpan
⭐ 7,063 Python 👤 wzpan User 🕐 Actualizado 2024-10-25 📅 Creado 2019-01-16
11
modelscope/FunClip

Herramienta de transcripción de video, generación de subtítulos y recorte asistido por LLM impulsada por FunASR con una interfaz Gradio local.

modelscope
⭐ 6,613 Python 👤 modelscope Organization 🕐 Actualizado 2026-11-01 📅 Creado 2023-05-17
12
MahmoudAshraf97/whisper-diarization

Reconocimiento automático de voz con diarización del hablante basado en OpenAI Whisper

MahmoudAshraf97
⭐ 5,676 Jupyter Notebook 👤 MahmoudAshraf97 User 🕐 Actualizado 2026-08-15 📅 Creado 2023-01-25
13
xiangyuecn/Recorder

Grabación HTML5 JS MP3 WAV OGG WebM AMR G711A G711U formatos, soporta PC y Android, iOS algunos navegadores Web, Hybrid App (proporciona código fuente App Android iOS), WeChat, proporciona ASR reconocimiento de voz a texto versión H5 ejemplo de chat de llamada de voz DTMF codificación/decodificación

xiangyuecn
⭐ 5,642 JavaScript 👤 xiangyuecn User 🕐 Actualizado 2026-07-30 📅 Creado 2018-05-16
14
wenet-e2e/wenet

Kit de herramientas de reconocimiento de voz de extremo a extremo de producción primero y listo para producción

wenet-e2e
⭐ 5,258 Python 👤 wenet-e2e Organization 🕐 Actualizado 2026-10-26 📅 Creado 2020-11-17
15
umlx5h/LLPlayer

¡El reproductor multimedia para el aprendizaje de idiomas, con subtítulos duales, subtítulos generados por IA, traducción en tiempo real y más!

umlx5h
⭐ 4,779 C# 👤 umlx5h User 🕐 Actualizado 2026-11-05 📅 Creado 2025-01-31
16
0xShug0/audio.cpp

Un motor de inferencia todo en uno, puro en C++, para modelos de audio, impulsado por ggml. Admite TTS, STT, VAD, conversión de voz, generación de música y más, con rendimiento altamente optimizado. Sin dependencia de Python.

0xShug0
⭐ 4,385 C++ 👤 0xShug0 User 🕐 Actualizado 2026-11-21 📅 Creado 2026-06-23
17
Open-Less/openless

Mantén una tecla, habla, suelta — texto pulido por IA aparece en tu cursor en cualquier app. Entrada de voz de código abierto para macOS y Windows.

Open-Less
⭐ 4,148 Rust 👤 Open-Less Organization 🕐 Actualizado 2026-11-21 📅 Creado 2026-04-27
18
PeterH0323/Streamer-Sales

Streamer-Sales Rey de las Ventas —— Modelo LLM del Transmisor Vendedor 🛒🎁, un modelo LLM del transmisor vendedor capaz de comentar productos desde la perspectiva de estimular la intención de compra del usuario basándose en las características dadas del producto. 🚀⭐ Incluye un proceso detallado de generación de datos ❗ 📦 Además, integra LMDeploy para inferencia acelerada 🚀, Generación Aumentada por Recuperación RAG 📚, TTS Texto a Voz 🔊, generación de avatares 🦸, uso de Agentes para consultar información en tiempo real en la web 🌐, ASR Voz a Texto 🎙️, frontend de construcción del ecosistema Vue 🍍, backend de construcción FastAPI 🗝️, empaquetado y despliegue con Docker-compose 🐋

PeterH0323
⭐ 3,695 Python 👤 PeterH0323 User 🕐 Actualizado 2025-03-08 📅 Creado 2024-04-05
19
ahmetoner/whisper-asr-webservice

API de servicio web ASR de OpenAI Whisper

ahmetoner
⭐ 3,370 Python 👤 ahmetoner User 🕐 Actualizado 2026-10-01 📅 Creado 2022-09-22
20
FluidInference/FluidAudio

Modelos de audio Frontier CoreML en tus aplicaciones: texto a voz, voz a texto, detección de actividad de voz y diarización de hablantes. En Swift, impulsado por código abierto SOTA.

FluidInference
⭐ 3,319 Swift 👤 FluidInference Organization 🕐 Actualizado 2026-11-19 📅 Creado 2025-06-21
21
Purfview/whisper-standalone-win

Ejecutables independientes de Whisper y Faster-Whisper para aquellos que no quieren molestarse con Python.

Purfview
⭐ 3,229 👤 Purfview User 🕐 Actualizado 2025-11-07 📅 Creado 2023-02-25
22
AutoArk/GPA

[AutoArk] ¡GPA (General Purpose Audio) puede realizar ASR, TTS y conversión de voz con un solo modelo diminuto!

AutoArk
⭐ 3,054 Python 👤 AutoArk Organization 🕐 Actualizado 2026-05-25 📅 Creado 2025-12-16
23
CheshireCC/faster-whisper-GUI

GUI de faster_whisper con PySide6

CheshireCC
⭐ 2,999 Python 👤 CheshireCC User 🕐 Actualizado 2026-08-25 📅 Creado 2023-07-18
⭐ 2,868 Python 👤 tensorflow Organization 🕐 Actualizado 2026-10-29 📅 Creado 2018-07-24
25
linto-ai/whisper-timestamped

Reconocimiento automático de voz multilingüe con marcas de tiempo a nivel de palabra y confianza

linto-ai
⭐ 2,860 Python 👤 linto-ai Organization 🕐 Actualizado 2026-09-28 📅 Creado 2023-01-13
26
harry0703/AudioNotes

Extraiga rápidamente contenido de audio y video, organizándolo en una nota markdown estructurada

harry0703
⭐ 2,564 Python 👤 harry0703 User 🕐 Actualizado 2026-08-19 📅 Creado 2024-07-19
27
coqui-ai/STT

🐸STT - El kit de herramientas de aprendizaje profundo para Speech-to-Text. Entrenar y desplegar modelos STT nunca ha sido tan fácil.

coqui-ai
⭐ 2,547 C++ 👤 coqui-ai Organization 🕐 Actualizado 2024-03-11 📅 Creado 2021-03-04
28
handy-computer/transcribe.cpp

Inferencia de voz a texto ggml para más de 16 familias de modelos

handy-computer
⭐ 2,194 C++ 👤 handy-computer Organization 🕐 Actualizado 2026-11-20 📅 Creado 2026-04-07
29
FireRedTeam/FireRedASR

Modelos ASR de nivel industrial de código abierto que admiten mandarín, dialectos chinos e inglés, logrando un nuevo SOTA en puntos de referencia públicos de ASR en mandarín, al tiempo que ofrecen una capacidad excepcional de reconocimiento de letras de canciones.

FireRedTeam
⭐ 2,014 Python 👤 FireRedTeam Organization 🕐 Actualizado 2026-02-25 📅 Creado 2025-01-24
30
tuya/TuyaOpen

Framework IA+IoT de próxima generación para T2/T3/T5AI/ESP32/y más: integración rápida de hardware de agentes IoT e IA

tuya
⭐ 1,956 C 👤 tuya Organization 🕐 Actualizado 2026-11-20 📅 Creado 2023-12-25
31
sgl-project/sglang-omni

Entorno de ejecución de alto rendimiento para servir sistemas de superinteligencia interactivos

sgl-project
⭐ 1,882 Python 👤 sgl-project Organization 🕐 Actualizado 2026-11-21 📅 Creado 2026-01-07
32
k2-fsa/sherpa-ncnn

Reconocimiento de voz en tiempo real y detección de actividad de voz (VAD) utilizando Kaldi de próxima generación con ncnn sin conexión a Internet. Soporte para iOS, Android, Linux, macOS, Windows, Raspberry Pi, VisionFive2, LicheePi4A, etc.

k2-fsa
⭐ 1,801 C++ 👤 k2-fsa Organization 🕐 Actualizado 2026-11-12 📅 Creado 2022-09-04
33
wwbin2017/bailing

Bailing es un robot de conversación por voz similar a GPT-4o, implementado mediante ASR+LLM+TTS, integrado con excelentes modelos grandes como DeepSeek R1, conectado a openClaw, un verdadero asistente de voz personal con latencia tan baja como 800 ms, ejecutable en dispositivos de baja configuración como Mac, soporta interrupción

wwbin2017
⭐ 1,794 Python 👤 wwbin2017 User 🕐 Actualizado 2026-04-06 📅 Creado 2024-08-25
34
mkiol/dsnote

Aplicación Linux Speech Note. Tomar notas, leer y traducir con voz a texto (Speech to Text) y texto a voz (Text to Speech) sin conexión, y traducción automática.

mkiol
⭐ 1,720 C++ 👤 mkiol User 🕐 Actualizado 2026-11-18 📅 Creado 2021-10-07
35
yuezhiai/jonex

Motor de análisis multimodal todo en uno + motor de conocimiento preparado para IA, impulsado por ontologías y por una wiki basada en LLM

yuezhiai
⭐ 1,714 Python 👤 yuezhiai Organization 🕐 Actualizado 2026-11-20 📅 Creado 2026-07-19
36
amicalhq/amical

Dictado por voz gratuito y de código abierto para macOS y Windows. Transcripción local de voz a texto con Whisper y Parakeet; también funciona sin conexión.

amicalhq
⭐ 1,648 TypeScript 👤 amicalhq Organization 🕐 Actualizado 2026-11-21 📅 Creado 2025-05-08
37
byjlw/video-analyzer

Analiza vídeos utilizando LLM, Visión por Computadora y Reconocimiento Automático del Habla

byjlw
⭐ 1,620 Python 👤 byjlw User 🕐 Actualizado 2026-04-19 📅 Creado 2024-11-10
38
QwenAudio/Fun-ASR

Modelos de reconocimiento de voz Fun-ASR, con compatibilidad nativa con Hugging Face Transformers para Fun-ASR-Nano y rutas de implementación independientes para FunASR, vLLM y llama.cpp.

QwenAudio
⭐ 1,614 C 👤 QwenAudio Organization 🕐 Actualizado 2026-11-20 📅 Creado 2025-12-15
39
Delta-ML/delta

DELTA es una plataforma de procesamiento de lenguaje natural y voz basada en aprendizaje profundo. LF AI & DATA Projects: https://lfaidata.foundation/projects/delta/

Delta-ML
⭐ 1,602 Python 👤 Delta-ML Organization 🕐 Actualizado 2025-04-16 📅 Creado 2019-05-29
40
nyrahealth/CrisperWhisper

Transcripción configurable. Literal (cada muletilla, pausa, tartamudeo y sonido vocal) o intencionada (lo que el hablante quiso decir, optimizada para facilitar la lectura), con marcas de tiempo a nivel de palabra.

nyrahealth
⭐ 1,498 Python 👤 nyrahealth Organization 🕐 Actualizado 2026-11-11 📅 Creado 2024-05-24
41
mbailey/voicemode

Conversaciones de voz naturales con Claude Code

mbailey
⭐ 1,472 Python 👤 mbailey User 🕐 Actualizado 2026-11-20 📅 Creado 2025-06-08
42
R3gm/SoniTranslate

Traducción sincronizada para vídeos. Doblaje de vídeo

R3gm
⭐ 1,430 Python 👤 R3gm User 🕐 Actualizado 2026-08-29 📅 Creado 2023-06-27
43
lenML/Speech-AI-Forge

🍦 Speech-AI-Forge es un proyecto desarrollado en torno a un modelo de generación TTS, que implementa un servidor API y una interfaz de usuario web basada en Gradio.

lenML
⭐ 1,420 Python 👤 lenML Organization 🕐 Actualizado 2026-05-21 📅 Creado 2024-06-01
44
Henry-23/VideoChat

Humano digital interactivo de voz en tiempo real, con apariencia y voz personalizables, que soporta la clonación de voz y presenta una latencia de diálogo de tan solo 3 segundos.

Henry-23
⭐ 1,333 Python 👤 Henry-23 User 🕐 Actualizado 2025-12-18 📅 Creado 2024-10-18
45
goodroot/hyprwhspr

Reconocimiento de voz nativo para Linux - Dictado rápido, preciso, privado y hackeable en todo el sistema

goodroot
⭐ 1,287 Python 👤 goodroot User 🕐 Actualizado 2026-11-19 📅 Creado 2025-08-27
46
soniqo/speech-swift

Kit de herramientas de voz IA para Apple Silicon — ASR, TTS, voz-a-voz, VAD y diarización impulsados por MLX y CoreML

soniqo
⭐ 1,284 Swift 👤 soniqo Organization 🕐 Actualizado 2026-11-18 📅 Creado 2026-02-04
47
ictnlp/StreamSpeech

StreamSpeech es un modelo "todo en uno" sin interrupciones para el reconocimiento de voz, la traducción de voz y la síntesis de voz sin conexión y simultánea.

ictnlp
⭐ 1,274 Python 👤 ictnlp Organization 🕐 Actualizado 2025-06-29 📅 Creado 2024-06-04
48
alphacep/vosk-server

Servidor de reconocimiento de voz WebSocket, gRPC y WebRTC basado en las bibliotecas Vosk y Kaldi

alphacep
⭐ 1,259 Python 👤 alphacep Organization 🕐 Actualizado 2025-07-25 📅 Creado 2019-05-07
49
gufo-org/gufo

El motor de IA de código abierto para AMD Strix Halo. Modelos de texto, embeddings, voz, imagen y vídeo en un único binario, con API compatibles con OpenAI, caché para agentes de programación y extensiones de modelos. Linux y Windows.

gufo-org
⭐ 1,236 C++ 👤 gufo-org Organization 🕐 Actualizado 2026-11-21 📅 Creado 2026-08-11
50
yeyupiaoling/Whisper-Finetune

Ajuste fino del modelo de reconocimiento de voz Whisper para admitir entrenamiento sin datos de marca de tiempo, entrenamiento con datos de marca de tiempo y entrenamiento sin datos de voz. Acelerar la inferencia y admitir el despliegue web, el despliegue en escritorio de Windows y el despliegue en Android

yeyupiaoling
⭐ 1,222 C 👤 yeyupiaoling User 🕐 Actualizado 2026-05-08 📅 Creado 2023-04-22

Preguntas frecuentes

1

¿Cuál es el repositorio de #asr más popular en GitHub?

El proyecto de código abierto de #asr mejor posicionado en GitHub es m-bain/whisperX, con 25,556 estrellas. WhisperX: Reconocimiento automático de voz con marcas de tiempo a nivel de palabra (& diarización)

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #asr?

Entre los proyectos de #asr mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, C++, C, Jupyter Notebook.

3

¿Cómo se calcula la clasificación de los repositorios de #asr?

Seguimos 100 repositorios activos de código abierto etiquetados con #asr (500+ estrellas), que suman un total de 289,141 estrellas, con una media de 2,891 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.