Git Stars Git Stars

#language-identification Repositorios

Descubre 11 repositorios activos de código abierto de GitHub etiquetados con #language-identification, que acumulan 25,202 estrellas en total (una media de 2,291 estrellas por proyecto). El líder de este tema es QwenAudio/SenseVoice, con 9,797 estrellas.

11
Total de Repositorios
25,202
Total de estrellas
2,291
Promedio de Estrellas/Repo
Lenguajes de programación: Python C Kotlin Go Rust

11 repositorios en total

1
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
2
googlesamples/mlkit

Una colección de aplicaciones de ejemplo para demostrar cómo usar las API de ML Kit de Google en Android e iOS

googlesamples
⭐ 4,309 Kotlin 👤 googlesamples Organization 🕐 Actualizado 2026-10-26 📅 Creado 2020-05-28
3
modelscope/3D-Speaker

Un repositorio para la verificación de hablantes, el reconocimiento de hablantes y la diarización de hablantes unimodales y multimodales

modelscope
⭐ 3,224 Python 👤 modelscope Organization 🕐 Actualizado 2025-12-08 📅 Creado 2023-03-06
4
pemistahl/lingua-py

La biblioteca de detección de lenguaje natural más precisa para Python, adecuada para textos cortos y textos multilingües

pemistahl
⭐ 1,820 Python 👤 pemistahl User 🕐 Actualizado 2026-07-20 📅 Creado 2021-07-13
5
pemistahl/lingua-go

La biblioteca de detección de lenguaje natural más precisa para Go, adecuada para textos cortos y textos multilingües

pemistahl
⭐ 1,343 Go 👤 pemistahl User 🕐 Actualizado 2025-02-06 📅 Creado 2020-11-27
6
pemistahl/lingua-rs

La biblioteca de detección de lenguaje natural más precisa para Rust, adecuada para textos cortos y textos con idiomas mixtos

pemistahl
⭐ 1,154 Rust 👤 pemistahl User 🕐 Actualizado 2026-11-20 📅 Creado 2020-06-17
7
pemistahl/lingua

La biblioteca de detección de lenguaje natural más precisa para Java y la JVM, adecuada tanto para textos largos como cortos

pemistahl
⭐ 808 Kotlin 👤 pemistahl User 🕐 Actualizado 2025-03-21 📅 Creado 2018-11-15
8
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
9
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
10
Snowdar/asv-subtools

Herramientas de Código Abierto para el Reconocimiento del Hablante

Snowdar
⭐ 633 Python 👤 Snowdar User 🕐 Actualizado 2024-08-05 📅 Creado 2020-03-02
11
lovemefan/SenseVoice.cpp

Porte del modelo Sense-voice de Funasr a C/C++

lovemefan
⭐ 574 C 👤 lovemefan User 🕐 Actualizado 2025-12-19 📅 Creado 2024-08-06

Preguntas frecuentes

1

¿Cuál es el repositorio de #language-identification más popular en GitHub?

El proyecto de código abierto de #language-identification mejor posicionado en GitHub es QwenAudio/SenseVoice, con 9,797 estrellas. 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.

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #language-identification?

Entre los proyectos de #language-identification mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, C, Kotlin, Go.

3

¿Cómo se calcula la clasificación de los repositorios de #language-identification?

Seguimos 11 repositorios activos de código abierto etiquetados con #language-identification (500+ estrellas), que suman un total de 25,202 estrellas, con una media de 2,291 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.