Git Stars Git Stars

#asr Repositorios

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

101 repositorios en total

51
Kieirra/murmure

Totalmente local, privado y multiplataforma Speech-to-Text con post-procesamiento LLM

Kieirra
⭐ 1,170 TypeScript 👤 Kieirra User 🕐 Actualizado 2026-11-20 📅 Creado 2025-10-12
52
xzf-thu/Mega-ASR

Primer ASR fundamental construido para el mundo real: 7 condiciones acústicas atómicas, 54 escenarios compuestos, 2.6 millones de muestras y hasta ~30% de mejora sobre SOTA donde todos los demás modelos fallan. **Volverás a MEGA-ASR, después de que el resto falle en la naturaleza. ⭐**

xzf-thu
⭐ 1,152 Python 👤 xzf-thu User 🕐 Actualizado 2026-09-02 📅 Creado 2026-05-16
53
sooftware/conformer

[No oficial] Implementación en PyTorch de "Conformer: Transformer aumentado por convolución para el reconocimiento de voz" (INTERSPEECH 2020)

sooftware
⭐ 1,137 Python 👤 sooftware User 🕐 Actualizado 2026-11-15 📅 Creado 2021-01-21
54
shang-zhu/violin

Habilidad de traducción de video de código abierto

shang-zhu
⭐ 1,091 Python 👤 shang-zhu User 🕐 Actualizado 2026-09-04 📅 Creado 2026-04-07
55
alphacep/vosk-android-demo

Reconocimiento de voz sin conexión para Android con la biblioteca Vosk.

alphacep
⭐ 1,064 Java 👤 alphacep Organization 🕐 Actualizado 2025-12-08 📅 Creado 2019-09-03
56
pykaldi/pykaldi

Un wrapper de Python para Kaldi

pykaldi
⭐ 1,039 Python 👤 pykaldi Organization 🕐 Actualizado 2025-11-30 📅 Creado 2017-06-19
57
k2-fsa/sherpa

Framework de servidor de voz a texto con Kaldi de próxima generación

k2-fsa
⭐ 1,022 C++ 👤 k2-fsa Organization 🕐 Actualizado 2026-11-21 📅 Creado 2022-05-20
58
233stone/vocotype-cli

VocoType es una herramienta de entrada de voz privada y segura que se ejecuta en el lado del cliente local. Mediante una tecla de acceso directo, convierte la voz en tiempo real a texto e ingresa automáticamente en la aplicación actual. Soporta funciones como MCP de voz a texto, optimización de texto con IA, diccionario de reemplazo personalizado, conversión de grabaciones de audio y video a texto, haciendo que la entrada de voz sea más eficiente y segura.

233stone
⭐ 1,016 Python 👤 233stone User 🕐 Actualizado 2026-10-14 📅 Creado 2025-10-13
59
nomily-ai/nomily-app

Asistente de grabación de voz con BYOK, transcripción ASR, diarización de hablantes, resúmenes de IA y compatibilidad con endpoints ASR locales.

nomily-ai
⭐ 1,014 👤 nomily-ai User 🕐 Actualizado 2026-11-19 📅 Creado 2026-08-05
60
freewym/espresso

Espresso: Un kit rápido de reconocimiento de voz neuronal de extremo a extremo

freewym
⭐ 942 Python 👤 freewym User 🕐 Actualizado 2024-09-04 📅 Creado 2018-12-02
61
geekwenjie/SmartJavaAI

🔥🔥🔥Caja de herramientas de algoritmos de IA sin conexión y gratuita para Java, que admite reconocimiento facial, detección de vida, reconocimiento de expresiones, detección de objetos, segmentación de instancias, detección de peatones, reconocimiento de texto OCR, reconocimiento de matrículas, reconocimiento de tablas, ASR+TTS, traducción automática y otras funciones. Se puede utilizar mediante referencia de Maven. Admite PyTorch, Tensorflow e integra modelos convencionales como Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR(PPOCRv5), Whisper, etc.

geekwenjie
⭐ 941 Java 👤 geekwenjie User 🕐 Actualizado 2026-06-20 📅 Creado 2025-02-21
62
TheDeathDragon/LiveTranslate

Traducción de audio en tiempo real, captura audio del sistema + micrófono, ejecuta ASR (Whisper/SenseVoice), traduce mediante API de LLM con visualización en streaming. Perfecto para VTubers, streamers y ver contenido extranjero.

TheDeathDragon
⭐ 923 Python 👤 TheDeathDragon User 🕐 Actualizado 2026-08-17 📅 Creado 2026-03-15
63
hehehai/VoxtMini

Entrada de voz para macOS con modelos locales: transcribe, traduce y reescribe en cualquier app. El sucesor de Voxt.

hehehai
⭐ 916 Go 👤 hehehai User 🕐 Actualizado 2026-11-21 📅 Creado 2026-02-26
64
innovatorved/whisper.api

Este proyecto proporciona una API con soporte de acceso a nivel de usuario para transcribir voz a texto utilizando un modelo ASR Whisper afinado y procesado.

innovatorved
⭐ 914 Python 👤 innovatorved User 🕐 Actualizado 2026-11-20 📅 Creado 2023-08-12
65
lifeiteng/OmniSenseVoice

Omni SenseVoice: Reconocimiento de voz de alta velocidad con marcas de tiempo de palabras 🗣️🎯

lifeiteng
⭐ 897 Python 👤 lifeiteng User 🕐 Actualizado 2025-12-10 📅 Creado 2024-09-22
66
BryceWG/BiBi-Keyboard

BiBi Keyboard: teclado de método de entrada de voz LLM y ASR para la plataforma Android basado en Kotlin

BryceWG
⭐ 896 Kotlin 👤 BryceWG User 🕐 Actualizado 2026-11-19 📅 Creado 2025-10-06
67
Spr-Aachen/Easy-Voice-Toolkit

Kit de herramientas fácil de usar para reconocimiento/transcripción/conversión de voz, etc. | Caja de herramientas de voz simple y fácil de usar

Spr-Aachen
⭐ 870 Python 👤 Spr-Aachen User 🕐 Actualizado 2026-10-25 📅 Creado 2023-02-09
68
yeyupiaoling/PPASR

Reconocimiento de voz chino de extremo a extremo basado en PaddlePaddle, desde la introducción hasta la práctica, casos de introducción súper sencillos, proyectos empresariales súper prácticos. Admite los modelos más populares actualmente: DeepSpeech2, Conformer, Squeezeformer.

yeyupiaoling
⭐ 868 Python 👤 yeyupiaoling User 🕐 Actualizado 2025-12-17 📅 Creado 2021-02-26
69
zai-org/GLM-ASR

GLM-ASR-Nano: Un modelo robusto de reconocimiento de voz de código abierto con 1.5B de parámetros

zai-org
⭐ 864 Python 👤 zai-org Organization 🕐 Actualizado 2026-03-06 📅 Creado 2025-12-09
70
aiola-lab/whisper-medusa

Susurrar con cabezas de Medusa

aiola-lab
⭐ 860 Python 👤 aiola-lab Organization 🕐 Actualizado 2026-07-02 📅 Creado 2024-07-17
71
AkagawaTsurunaki/ZerolanLiveRobot

VTuber de IA con LLM, ASR, TTS, OCR, CV y más tecnologías para hacer transmisiones en vivo o jugar Minecraft contigo.

AkagawaTsurunaki
⭐ 834 Python 👤 AkagawaTsurunaki User 🕐 Actualizado 2026-04-14 📅 Creado 2024-03-04
72
TrevorS/voxtral-mini-realtime-rs

Voxtral ASR & TTS ejecutándose de forma nativa y en el navegador. Implementación en Rust de Voxtral mini ASR/TTS en tiempo real de Mistral usando el framework ML Burn

TrevorS
⭐ 827 Rust 👤 TrevorS User 🕐 Actualizado 2026-10-12 📅 Creado 2026-02-04
74
Ailln/cn2an

📦 Conversión rápida entre «números chinos» y «números arábigos» ~ (Nueva función: fracciones, fechas, temperaturas, etc.)

Ailln
⭐ 768 Python 👤 Ailln User 🕐 Actualizado 2026-04-23 📅 Creado 2018-05-04
75
yeyupiaoling/PaddlePaddle-DeepSpeech

Reconocimiento de voz implementado basado en PaddlePaddle, reconocimiento de voz en chino. El proyecto está completo, con un buen efecto de reconocimiento. Soporta entrenamiento y predicción en Windows y Linux, soporta predicción en la placa de desarrollo Nvidia Jetson.

yeyupiaoling
⭐ 764 Python 👤 yeyupiaoling User 🕐 Actualizado 2025-12-17 📅 Creado 2019-11-01
76
FireRedTeam/FireRedASR2S

Un sistema ASR todo en uno de grado industrial SOTA con módulos ASR, VAD, LID y Punc. FireRedASR2 admite chino (mandarín, 20+ dialectos/accentos), inglés, cambio de código y ASR tanto para voz como para canto. FireRedVAD admite voz/canto/música en 100+ idiomas. FireRedLID admite 100+ idiomas y 20+ dialectos chinos. FireRedPunc admite chino e inglés.

FireRedTeam
⭐ 745 Python 👤 FireRedTeam Organization 🕐 Actualizado 2026-06-02 📅 Creado 2026-02-12
77
Macoron/whisper.unity

Ejecutando el modelo de voz a texto (whisper.cpp) en Unity3d en tu máquina local.

Macoron
⭐ 730 C# 👤 Macoron User 🕐 Actualizado 2025-04-17 📅 Creado 2023-03-26
78
yeyupiaoling/MASR

Un framework Pytorch para reconocimiento automático del habla en streaming y no en streaming, compatible tanto con reconocimiento en línea como fuera de línea. Actualmente admite modelos Conformer, Squeezeformer y DeepSpeech2, junto con varios métodos de aumento de datos.

yeyupiaoling
⭐ 729 Python 👤 yeyupiaoling User 🕐 Actualizado 2026-07-06 📅 Creado 2020-07-29
79
openspeech-team/openspeech

Kit de herramientas de código abierto para el reconocimiento de voz de extremo a extremo que aprovecha PyTorch-Lightning y Hydra.

openspeech-team
⭐ 715 Python 👤 openspeech-team Organization 🕐 Actualizado 2026-06-21 📅 Creado 2021-06-06
80
sofdog-gh/realtime-transcription-fastrtc

Transcripción de voz en tiempo real con FastRTC ⚡️ y Whisper local 🤗

sofdog-gh
⭐ 700 Python 👤 sofdog-gh User 🕐 Actualizado 2025-07-10 📅 Creado 2025-03-01
81
vilassn/whisper_android

Reconocimiento de voz sin conexión con OpenAI Whisper y TensorFlow Lite para Android

vilassn
⭐ 693 C++ 👤 vilassn User 🕐 Actualizado 2026-03-18 📅 Creado 2023-08-26
82
DmitryRyumin/INTERSPEECH-2023-24-Papers

Artículos INTERSPEECH 2023-2024: Una colección completa de investigaciones influyentes y emocionantes de la conferencia INTERSPEECH 2023-24. Explore los últimos avances en el procesamiento del habla y el lenguaje. Código incluido. ¡Estrella el repositorio para apoyar el avance de la tecnología del habla!

DmitryRyumin
⭐ 683 👤 DmitryRyumin User 🕐 Actualizado 2024-12-25 📅 Creado 2023-06-26
⭐ 677 Python 👤 yinruiqing User 🕐 Actualizado 2025-09-24 📅 Creado 2022-11-09
84
Picovoice/cheetah

Motor de transcripción de voz a texto en streaming en el dispositivo impulsado por aprendizaje profundo

Picovoice
⭐ 672 Python 👤 Picovoice Organization 🕐 Actualizado 2026-11-12 📅 Creado 2018-10-28
85
zenstory-ai/video-recap-skills

Paquete de habilidades de agente de IA para narración de videos: corta escenas automáticamente, analiza las imágenes para escribir el guion de narración, añade la voz en off y mezcla el audio para producir el video final; permite exportar borradores para Jianying/CapCut, sin necesidad de GPU | Habilidades de agente para resúmenes narrados de videos y borradores de CapCut

zenstory-ai
⭐ 649 Python 👤 zenstory-ai Organization 🕐 Actualizado 2026-11-20 📅 Creado 2026-05-02
86
huggingface/optimum-intel

🤗 Optimum Intel: Acelera la inferencia con herramientas de optimización de Intel

huggingface
⭐ 631 Jupyter Notebook 👤 huggingface Organization 🕐 Actualizado 2026-11-21 📅 Creado 2022-05-25
87
zw76859420/ASR_Theory

Teoría del reconocimiento de voz, artículos y PPT

zw76859420
⭐ 616 👤 zw76859420 User 🕐 Actualizado 2024-08-07 📅 Creado 2019-01-26
88
Moyf/moys-asr-workflow

El espacio de trabajo de subtítulos de Amo: flujo de transcripción de subtítulos ASR de Moy (MAW, abreviado)

Moyf
⭐ 610 JavaScript 👤 Moyf User 🕐 Actualizado 2026-11-21 📅 Creado 2026-07-26
89
HiMeditator/auto-caption

Un software de visualización de subtítulos en tiempo real multiplataforma.

HiMeditator
⭐ 610 TypeScript 👤 HiMeditator User 🕐 Actualizado 2026-10-14 📅 Creado 2025-05-11
90
RapidAI/RapidASR

📣 Biblioteca de reconocimiento automático de voz de código abierto de nivel comercial, lista para usar, compatible con todas las plataformas, reconocimiento mixto chino-inglés. Una implementación multiplataforma de inferencia ASR. Se basa en ONNXRuntime y FunASR. Proporcionamos un conjunto de API más sencillas para llamar a modelos ASR.

RapidAI
⭐ 593 C++ 👤 RapidAI Organization 🕐 Actualizado 2024-05-15 📅 Creado 2021-12-15
91
second-state/echokit_server

Plataforma de Agente de Voz de Código Abierto

second-state
⭐ 591 Rust 👤 second-state Organization 🕐 Actualizado 2026-02-15 📅 Creado 2025-02-26
92
SAOS-3624/dsh-video-storyboard

Guion gráfico con reconocimiento de escenas para DeepSeek Harness: de 9 a 16 celdas numeradas con marcas de tiempo + transcripción + envolvente de audio, todo en UNA sola imagen (384 tokens). Dos herramientas: video_storyboard y video_zoom.

SAOS-3624
⭐ 585 JavaScript 👤 SAOS-3624 User 🕐 Actualizado 2026-11-21 📅 Creado 2026-10-26
93
wildminder/awesome-ai-voice

Lista de modelos de código abierto para síntesis de voz (TTS), clonación de voz y generación musical

wildminder
⭐ 562 👤 wildminder User 🕐 Actualizado 2026-11-04 📅 Creado 2026-03-10
94
PiSugar/whisplay-ai-chatbot

Chatbot de IA de bolsillo construido con un RPI Zero 2w / 5

PiSugar
⭐ 545 TypeScript 👤 PiSugar Organization 🕐 Actualizado 2026-11-19 📅 Creado 2025-05-07
95
SpeechColab/Leaderboard

SpeechIO Leaderboard: una plataforma de benchmarking grande, robusta y completa para el reconocimiento automático del habla.

SpeechColab
⭐ 545 Python 👤 SpeechColab User 🕐 Actualizado 2025-03-29 📅 Creado 2021-02-07
96
kouhxp/yapsnap

Transcribe cualquier URL de vídeo o archivo de audio a texto plano. Sin GPU. Sin servicios en la nube. Un solo comando.

kouhxp
⭐ 538 Python 👤 kouhxp User 🕐 Actualizado 2026-09-15 📅 Creado 2026-05-20
97
shashikg/WhisperS2T

Una canalización optimizada de voz a texto para el modelo Whisper compatible con múltiples motores de inferencia

shashikg
⭐ 534 Jupyter Notebook 👤 shashikg User 🕐 Actualizado 2024-08-27 📅 Creado 2023-12-16
98
ccoreilly/vosk-browser

Una biblioteca de reconocimiento de voz ejecutándose en el navegador gracias a una compilación WebAssembly de Vosk

ccoreilly
⭐ 531 JavaScript 👤 ccoreilly User 🕐 Actualizado 2025-12-07 📅 Creado 2021-02-19
99
DmitryRyumin/ICASSP-2023-24-Papers

Artículos ICASSP 2023-2024: Una colección completa de artículos de investigación influyentes y emocionantes de las conferencias ICASSP 2023-24. Explore los últimos avances en acústica, voz y procesamiento de señales. Código incluido. ¡Marca el repositorio para apoyar el avance del procesamiento de audio y señales!

DmitryRyumin
⭐ 527 Python 👤 DmitryRyumin User 🕐 Actualizado 2025-05-05 📅 Creado 2023-08-01
100
nyosegawa/speech.cpp

Síntesis de voz, reconocimiento de voz y detección de actividad vocal para conversaciones por voz, en C++ sobre ggml: Qwen3-TTS, Irodori-TTS, Qwen3-ASR, ReazonSpeech, parakeet y Silero VAD en Metal, Vulkan y la CPU, con un servidor compatible con OpenAI y transcripción en tiempo real.

nyosegawa
⭐ 510 C++ 👤 nyosegawa User 🕐 Actualizado 2026-11-20 📅 Creado 2026-09-29