#speech-recognition Repositorios
Descubre 204 repositorios activos de código abierto de GitHub etiquetados con #speech-recognition, que acumulan 889,741 estrellas en total (una media de 4,361 estrellas por proyecto). El líder de este tema es huggingface/transformers, con 169,339 estrellas.
206 repositorios en total
🤗 Transformers: el framework de definición de modelos para modelos de machine learning de vanguardia en texto, visión, audio y modelos multimodales, tanto para inferencia como para entrenamiento.
WhisperX: Reconocimiento automático de voz con marcas de tiempo a nivel de palabra (& diarización)
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.
API de reconocimiento de voz offline para Android, iOS, Raspberry Pi y servidores con Python, Java, C# y Node
Scripts de deep learning de vanguardia organizados por modelos - fáciles de entrenar y desplegar con precisión y rendimiento reproducibles en infraestructura de grado empresarial.
Gradio WebUI para creadores y desarrolladores, con funciones clave de TTS (Edge-TTS, kokoro) y clonación de voz zero-shot (E2 & F5-TTS, CosyVoice), con procesamiento de audio Whisper, descarga de YouTube, aislamiento vocal Demucs y traducción multilingüe.
Sumérgete en Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision y NLP aprendiendo de estas emocionantes conferencias!!
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.
OpenVINO™ es un kit de herramientas de código abierto para optimizar y desplegar inferencia de IA.
Conversión de voz a texto en tiempo real y local con ASR en streaming, diarización de hablantes, traducción y API compatibles con OpenAI/Deepgram.
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.
Módulo de reconocimiento de voz para Python, compatible con varios motores y API, en línea y sin conexión.
Sistema de Reconocimiento de Voz Chino Basado en Aprendizaje Profundo
Una biblioteca de texto a voz (TTS), voz a texto (STT) y voz a voz (STS) construida sobre el framework MLX de Apple, que proporciona un análisis de voz eficiente en Apple Silicon.
Herramienta de transcripción de video, generación de subtítulos y recorte asistido por LLM impulsada por FunASR con una interfaz Gradio local.
Kit de herramientas de reconocimiento automático de voz de Facebook AI Research
Reconocimiento automático de voz con diarización del hablante basado en OpenAI Whisper
Kit de herramientas de reconocimiento de voz de extremo a extremo de producción primero y listo para producción
Detección de palabras de activación en el dispositivo impulsada por aprendizaje profundo
Recursos, práctica e investigación sobre aprendizaje automático e IA agentiva
Herramienta de reconocimiento de voz a texto / Una herramienta local sin conexión para convertir subtítulos de audio/vídeo, que produce formatos json, srt y texto plano
Implementación JAX del modelo Whisper de OpenAI para una aceleración de hasta 70 veces en TPU.
Variante destilada de Whisper para reconocimiento de voz. 6 veces más rápido, 50% más pequeño, con menos del 1% de tasa de error de palabra.
Qwen3-ASR es una serie de modelos ASR de código abierto desarrollada por el equipo Qwen de Alibaba Cloud, que admite reconocimiento estable de voz/música/canción multilingüe, detección de idioma y predicción de marca de tiempo.
Sistema de Conversación con Avatar Digital - Linly-Talker. 😄✨ Linly-Talker es un sistema de IA inteligente que combina modelos de lenguaje grandes (LLM) con modelos visuales para crear un novedoso método de interacción humano-IA. 🤝🤖 Integra diversas tecnologías como Whisper, Linly, Microsoft Speech Services y el sistema de generación de cabezas parlantes SadTalker. 🌟🔬
Código de muestra para el SDK de Speech de Microsoft Cognitive Services
Un entorno de ejecución de voz en tiempo real que mantiene a los agentes hablando, trabajando y presentes. Entorno de ejecución de voz en tiempo real para agentes de IA
Ejecutables independientes de Whisper y Faster-Whisper para aquellos que no quieren molestarse con Python.
Alternativa de código abierto, local y autoalojada a los asistentes de voz competidores de Amazon Echo/Google Home
Convierte audio y vídeo en subtítulos con una interfaz web fácil de usar. Todo se ejecuta en tu propio equipo. Anteriormente Whishper.
Este es un proyecto de traducción de vídeo (audio) totalmente automático. Utiliza Whisper para reconocer la voz, modelos grandes de IA para traducir subtítulos y, finalmente, fusiona los subtítulos con el vídeo para generar el vídeo traducido.
Un framework de detección de palabras (o frases) de activación de audio de código abierto con un enfoque en el rendimiento y la simplicidad.
Reconocimiento automático de voz multilingüe con marcas de tiempo a nivel de palabra y confianza
Preguntas frecuentes
¿Cuál es el repositorio de #speech-recognition más popular en GitHub?
El proyecto de código abierto de #speech-recognition mejor posicionado en GitHub es huggingface/transformers, con 169,339 estrellas. 🤗 Transformers: el framework de definición de modelos para modelos de machine learning de vanguardia en texto, visión, audio y modelos multimodales, tanto para inferencia como para entrenamiento.
¿Qué lenguajes de programación se utilizan más en los repositorios de #speech-recognition?
Entre los proyectos de #speech-recognition mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, C++, TypeScript.
¿Cómo se calcula la clasificación de los repositorios de #speech-recognition?
Seguimos 204 repositorios activos de código abierto etiquetados con #speech-recognition (500+ estrellas), que suman un total de 889,741 estrellas, con una media de 4,361 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.