Git Stars Git Stars

#automatic-speech-recognition Repositorios

Descubre 42 repositorios activos de código abierto de GitHub etiquetados con #automatic-speech-recognition, que acumulan 118,799 estrellas en total (una media de 2,828 estrellas por proyecto). El líder de este tema es Vaibhavs10/insanely-fast-whisper, con 13,052 estrellas.

42
Total de Repositorios
118,799
Total de estrellas
2,828
Promedio de Estrellas/Repo

42 repositorios en total

2
facebookresearch/seamless_communication

Modelos Fundamentales para Traducción de Voz y Texto de Última Generación

facebookresearch
⭐ 11,908 Jupyter Notebook 👤 facebookresearch Organization 🕐 Actualizado 2026-09-08 📅 Creado 2023-08-01
3
QuentinFuxa/WhisperLiveKit

Conversión de voz a texto en tiempo real y local con ASR en streaming, diarización de hablantes, traducción y API compatibles con OpenAI/Deepgram.

QuentinFuxa
⭐ 11,275 Python 👤 QuentinFuxa User 🕐 Actualizado 2026-11-14 📅 Creado 2024-12-19
4
Const-me/Whisper

Inferencia GPGPU de alto rendimiento del modelo Whisper de OpenAI para el reconocimiento automático del habla (ASR)

Const-me
⭐ 10,717 C++ 👤 Const-me User 🕐 Actualizado 2026-09-22 📅 Creado 2023-01-07
5
mli/autocut

Cortar videos con un editor de texto

mli
⭐ 7,522 Python 👤 mli User 🕐 Actualizado 2024-10-05 📅 Creado 2022-10-28
6
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
7
MoonshotAI/Kimi-Audio

Kimi-Audio, un modelo de fundación de audio de código abierto que se destaca en la comprensión, generación y conversación de audio

MoonshotAI
⭐ 4,654 Python 👤 MoonshotAI Organization 🕐 Actualizado 2025-06-21 📅 Creado 2025-04-25
8
agermanidis/autosub

[YA NO MANTENIDO] Utilidad de línea de comandos para generar automáticamente subtítulos para cualquier archivo de video

agermanidis
⭐ 4,203 Python 👤 agermanidis User 🕐 Actualizado 2024-03-22 📅 Creado 2015-06-29
9
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
10
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
11
Kedreamix/Linly-Dubbing

Herramienta de IA de doblaje/traducción de video multilingüe inteligente - Linly-Dubbing — “IA empoderada, sin fronteras lingüísticas”

Kedreamix
⭐ 3,221 Jupyter Notebook 👤 Kedreamix User 🕐 Actualizado 2025-03-05 📅 Creado 2024-08-08
12
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
13
facebookresearch/omnilingual-asr

Omnilingual ASR open-source reconocimiento de voz multilingüe para más de 1600 idiomas

facebookresearch
⭐ 2,976 Python 👤 facebookresearch Organization 🕐 Actualizado 2025-12-30 📅 Creado 2025-11-06
14
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
15
janhq/ichigo

IA de voz local en tiempo real

janhq
⭐ 2,493 Python 👤 janhq Organization 🕐 Actualizado 2025-11-26 📅 Creado 2024-07-02
16
TEN-framework/ten-vad

Detector de actividad de voz (VAD): baja latencia, alto rendimiento y ligero

TEN-framework
⭐ 2,319 C 👤 TEN-framework Organization 🕐 Actualizado 2026-11-20 📅 Creado 2025-04-29
17
OpenMOSS/MOSS-Transcribe-Diarize

Un modelo de 0,9B para transcripción de contenido extenso en más de 50 idiomas, con diarización de hablantes, marcas de tiempo y reconocimiento de eventos acústicos

OpenMOSS
⭐ 2,286 Python 👤 OpenMOSS Organization 🕐 Actualizado 2026-10-21 📅 Creado 2026-05-13
18
QwenLM/Qwen2-Audio

El repositorio oficial del chat Qwen2-Audio y del modelo de lenguaje de audio grande preentrenado propuesto por Alibaba Cloud.

QwenLM
⭐ 2,072 Python 👤 QwenLM Organization 🕐 Actualizado 2025-04-21 📅 Creado 2024-06-24
19
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
20
stepfun-ai/Step-Audio2

Step-Audio 2 es un modelo de lenguaje grande multimodal de extremo a extremo diseñado para la comprensión de audio y la conversación por voz de nivel industrial.

stepfun-ai
⭐ 1,531 Python 👤 stepfun-ai Organization 🕐 Actualizado 2026-03-16 📅 Creado 2025-07-15
21
McCloudS/subgen

Generar automáticamente subtítulos usando el modelo OpenAI Whisper a través de Jellyfin, Plex, Emby, Tautulli o Bazarr

McCloudS
⭐ 1,519 Python 👤 McCloudS User 🕐 Actualizado 2026-08-07 📅 Creado 2023-01-28
23
k2-fsa/k2

Algoritmos FSA/FST, diferenciables, con compatibilidad PyTorch.

k2-fsa
⭐ 1,371 Cuda 👤 k2-fsa Organization 🕐 Actualizado 2026-11-13 📅 Creado 2020-04-17
24
QwenLM/Qwen3-ASR-Toolkit

Kit de herramientas oficial de Python para la API Qwen3-ASR. Llamadas paralelas de alto rendimiento, transcripción de audio larga y robusta, compatibilidad con múltiples frecuencias de muestreo.

QwenLM
⭐ 1,020 Python 👤 QwenLM Organization 🕐 Actualizado 2026-02-05 📅 Creado 2025-09-16
25
TensorSpeech/TensorFlowASR

:zap: TensorFlowASR: Reconocimiento automático de voz casi de última generación en Tensorflow 2. Idiomas admitidos que pueden usar caracteres o subpalabras

TensorSpeech
⭐ 1,018 Python 👤 TensorSpeech Organization 🕐 Actualizado 2026-11-14 📅 Creado 2020-02-13
26
senstella/parakeet-mlx

Una implementación de los modelos Parakeet de Nvidia para Apple Silicon utilizando MLX.

senstella
⭐ 999 Python 👤 senstella User 🕐 Actualizado 2026-11-17 📅 Creado 2025-05-03
27
jitsi/jiwer

Evalúe su sistema de habla a texto con medidas de similitud como la tasa de error de palabras (WER)

jitsi
⭐ 946 Python 👤 jitsi Organization 🕐 Actualizado 2026-09-03 📅 Creado 2018-06-19
28
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
29
aiola-lab/whisper-medusa

Susurrar con cabezas de Medusa

aiola-lab
⭐ 860 Python 👤 aiola-lab Organization 🕐 Actualizado 2026-07-02 📅 Creado 2024-07-17
31
DataoceanAI/Dolphin

Dolphin es un modelo ASR multilingüe y multitarea entrenado conjuntamente por DataoceanAI y la Universidad de Tsinghua.

DataoceanAI
⭐ 800 Python 👤 DataoceanAI User 🕐 Actualizado 2026-06-11 📅 Creado 2025-03-18
32
EmulationAI/awesome-large-audio-models

Colección de recursos sobre las aplicaciones de los modelos lingüísticos grandes (LLM) en Audio AI.

EmulationAI
⭐ 748 👤 EmulationAI Organization 🕐 Actualizado 2026-11-02 📅 Creado 2023-08-18
33
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
34
SpeechColab/GigaSpeech

Conjunto de datos grande y moderno para reconocimiento de voz

SpeechColab
⭐ 714 Shell 👤 SpeechColab User 🕐 Actualizado 2024-02-26 📅 Creado 2021-03-03
35
DoMusic/Hybrid-Net

Audio en tiempo real a acordes, letras, ritmo y melodía.

DoMusic
⭐ 713 Python 👤 DoMusic Organization 🕐 Actualizado 2024-08-15 📅 Creado 2024-03-26
36
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
37
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
38
VITA-MLLM/VITA-Audio

✨✨[NeurIPS 2025] VITA-Audio: Generación Rápida de Tokens Intercalados y Transmodales para un Modelo de Lenguaje de Voz Grande y Eficiente

VITA-MLLM
⭐ 679 Python 👤 VITA-MLLM Organization 🕐 Actualizado 2025-05-24 📅 Creado 2025-04-23
39
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
40
ErlichLiu/Whisper-Input

Es posible iniciar la grabación al presionar el botón Opción y finalizarla al soltarlo, llamando al modelo Groq Whisper Large V3 Turbo para la transcripción. Dado que Groq es muy rápido, la mayoría de las entradas de voz se retroalimentan en 1-2 segundos. Y gracias a la potente capacidad de whisper, el efecto de transcripción es muy bueno.

ErlichLiu
⭐ 593 Python 👤 ErlichLiu User 🕐 Actualizado 2025-01-29 📅 Creado 2025-01-11
42
HKAllThingsLink/streaming-asr

Un sistema ligero cliente-servidor para procesamiento de audio en tiempo real con detección de actividad de voz (VAD) y reconocimiento automático de voz (ASR).

HKAllThingsLink
⭐ 502 HTML 👤 HKAllThingsLink Organization 🕐 Actualizado 2026-01-04 📅 Creado 2025-12-01

Preguntas frecuentes

1

¿Cuál es el repositorio de #automatic-speech-recognition más popular en GitHub?

El proyecto de código abierto de #automatic-speech-recognition mejor posicionado en GitHub es Vaibhavs10/insanely-fast-whisper, con 13,052 estrellas.

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #automatic-speech-recognition?

Entre los proyectos de #automatic-speech-recognition mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, C++, Swift.

3

¿Cómo se calcula la clasificación de los repositorios de #automatic-speech-recognition?

Seguimos 42 repositorios activos de código abierto etiquetados con #automatic-speech-recognition (500+ estrellas), que suman un total de 118,799 estrellas, con una media de 2,828 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.