#speaker-diarization Repositorios
Descubre 28 repositorios activos de código abierto de GitHub etiquetados con #speaker-diarization, que acumulan 125,249 estrellas en total (una media de 4,473 estrellas por proyecto). El líder de este tema es modelscope/FunASR, con 21,091 estrellas.
28 repositorios en total
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.
Conversión de voz a texto en tiempo real y local con ASR en streaming, diarización de hablantes, traducción y API compatibles con OpenAI/Deepgram.
Descarga videos y audio de más de 1000 sitios, transcríbelos localmente con etiquetas de hablante y resume, traduce o conversa sobre tu contenido multimedia con tu proveedor de IA preferido.
Bloques de construcción neuronales para la diarización de hablantes: detección de actividad de voz, detección de cambio de hablante, detección de voz solapada, embedding de hablante
Reconocimiento automático de voz con diarización del hablante basado en OpenAI Whisper
Speakr es una aplicación web personal y autoalojada diseñada para transcribir grabaciones de audio
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.
Ejecutables independientes de Whisper y Faster-Whisper para aquellos que no quieren molestarse con Python.
Un repositorio para la verificación de hablantes, el reconocimiento de hablantes y la diarización de hablantes unimodales y multimodales
Reconocimiento automático de voz multilingüe con marcas de tiempo a nivel de palabra y confianza
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
Un paquete de Python para construir aplicaciones de audio en tiempo real impulsadas por IA
Una lista curada de excelentes papers, bibliotecas, conjuntos de datos y otros recursos sobre Speaker Diarization.
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.
Esta es la biblioteca para el algoritmo de Red Neuronal Recurrente de Estado Entrelazado Ilimitado (UIS-RNN), correspondiente al artículo Fully Supervised Speaker Diarization.
Toolkit orientado a la investigación y producción para la verificación, reconocimiento y diarización del hablante
Kit de herramientas de voz IA para Apple Silicon — ASR, TTS, voz-a-voz, VAD y diarización impulsados por MLX y CoreML
Una herramienta GUI para la transcripción sin conexión de grabaciones de voz, incluida la diarización del hablante, que utiliza modelos de aprendizaje automático de última generación.
servicio de transcripción y diarización sin conexión autoalojado llave en mano con resumen LLM
Software de generación de subtítulos totalmente automatizado y todo en uno; cubre todo el proceso de descarga, transcripción, traducción y grabación, sin necesidad de intervención humana.
Despliegue privado en red interna disponible, herramienta de transcripción y resumen de voz para equipos/unidades, código completo de frontend y backend
Reimplementación en Python de los algoritmos de clustering espectral (restringidos) utilizados en los papers de diarización de hablantes de Google.
Preguntas frecuentes
¿Cuál es el repositorio de #speaker-diarization más popular en GitHub?
El proyecto de código abierto de #speaker-diarization mejor posicionado en GitHub es modelscope/FunASR, con 21,091 estrellas. 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.
¿Qué lenguajes de programación se utilizan más en los repositorios de #speaker-diarization?
Entre los proyectos de #speaker-diarization mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, TypeScript, Swift, Jupyter Notebook.
¿Cómo se calcula la clasificación de los repositorios de #speaker-diarization?
Seguimos 28 repositorios activos de código abierto etiquetados con #speaker-diarization (500+ estrellas), que suman un total de 125,249 estrellas, con una media de 4,473 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.