Git Stars Git Stars

#speech-recognition Repositorios

204
Total de Repositorios
889,741
Total de estrellas
4,361
Promedio de Estrellas/Repo

206 repositorios en total

51
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
52
wquguru/cicada

Cicada · Subtítulos en tiempo real, interpretación simultánea y notas de reuniones con IA para cualquier reunión o transmisión en directo. Gratis y de código abierto para Mac, Windows, Linux y Android.

wquguru
⭐ 2,443 Swift 👤 wquguru User 🕐 Actualizado 2026-11-19 📅 Creado 2026-11-01
53
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
54
pannous/tensorflow-speech-recognition

🎙Reconocimiento de voz utilizando el framework de aprendizaje profundo de TensorFlow, redes neuronales sequence-to-sequence

pannous
⭐ 2,176 Python 👤 pannous User 🕐 Actualizado 2024-01-17 📅 Creado 2015-12-07
55
react-native-voice/voice

:microphone: Biblioteca de reconocimiento de voz de React Native para iOS y Android (Soporte en línea y sin conexión)

react-native-voice
⭐ 2,149 TypeScript 👤 react-native-voice Organization 🕐 Actualizado 2026-01-21 📅 Creado 2016-05-06
56
fikrikarim/parlor

IA multimodal en tiempo real y en el dispositivo con funciones similares a GPT-Live

fikrikarim
⭐ 2,117 Python 👤 fikrikarim User 🕐 Actualizado 2026-08-03 📅 Creado 2026-04-05
57
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
58
nobody132/masr

Reconocimiento de voz chino; Reconocimiento automático de voz mandarín;

nobody132
⭐ 1,962 Python 👤 nobody132 User 🕐 Actualizado 2024-07-25 📅 Creado 2019-05-07
59
julius-speech/julius

Motor de reconocimiento de voz continuo de código abierto y vocabulario amplio

julius-speech
⭐ 1,926 C 👤 julius-speech Organization 🕐 Actualizado 2025-06-16 📅 Creado 2015-04-28
60
wq2012/awesome-diarization

Una lista curada de excelentes papers, bibliotecas, conjuntos de datos y otros recursos sobre Speaker Diarization.

wq2012
⭐ 1,917 👤 wq2012 User 🕐 Actualizado 2026-10-26 📅 Creado 2019-01-19
61
alan-ai/alan-sdk-ios

El sistema de autocodificación para tu aplicación — Alan AI SDK para iOS

alan-ai
⭐ 1,889 Objective-C 👤 alan-ai Organization 🕐 Actualizado 2025-04-22 📅 Creado 2019-10-01
62
sgl-project/sglang-omni

Entorno de ejecución de alto rendimiento para servir sistemas de superinteligencia interactivos

sgl-project
⭐ 1,882 Python 👤 sgl-project Organization 🕐 Actualizado 2026-11-21 📅 Creado 2026-01-07
63
QwenLM/Qwen-Audio

El repositorio oficial de Qwen-Audio (通义千问-Audio) chat & modelo de lenguaje de audio grande preentrenado propuesto por Alibaba Cloud.

QwenLM
⭐ 1,857 Python 👤 QwenLM Organization 🕐 Actualizado 2024-07-05 📅 Creado 2023-11-07
64
alan-ai/alan-sdk-android

El Sistema de Auto-Codificación para Tu App — Alan AI SDK para Android

alan-ai
⭐ 1,815 👤 alan-ai Organization 🕐 Actualizado 2025-04-22 📅 Creado 2019-10-01
65
peteonrails/voxtype

Transcripción de voz a texto con push-to-talk para compositores Wayland

peteonrails
⭐ 1,810 Rust 👤 peteonrails User 🕐 Actualizado 2026-11-20 📅 Creado 2025-11-28
66
FL33TW00D/whisper-turbo

Whisper multidispositivo acelerado por GPU 🏎️

FL33TW00D
⭐ 1,808 TypeScript 👤 FL33TW00D User 🕐 Actualizado 2024-02-27 📅 Creado 2023-08-18
67
k2-fsa/sherpa-ncnn

Reconocimiento de voz en tiempo real y detección de actividad de voz (VAD) utilizando Kaldi de próxima generación con ncnn sin conexión a Internet. Soporte para iOS, Android, Linux, macOS, Windows, Raspberry Pi, VisionFive2, LicheePi4A, etc.

k2-fsa
⭐ 1,801 C++ 👤 k2-fsa Organization 🕐 Actualizado 2026-11-12 📅 Creado 2022-09-04
68
alan-ai/alan-sdk-flutter

El sistema de autoscodificación para tu aplicación — Alan AI SDK para Flutter

alan-ai
⭐ 1,768 Ruby 👤 alan-ai Organization 🕐 Actualizado 2025-04-22 📅 Creado 2020-04-22
69
abb128/LiveCaptions

Aplicación de escritorio Linux que proporciona subtítulos en vivo

abb128
⭐ 1,753 C 👤 abb128 User 🕐 Actualizado 2025-02-27 📅 Creado 2022-11-30
70
zhiwehu/100_plus_Python_Projects_Challenge

Desafío de más de 100 proyectos de Python

zhiwehu
⭐ 1,724 Python 👤 zhiwehu User 🕐 Actualizado 2026-09-20 📅 Creado 2021-05-01
71
mkiol/dsnote

Aplicación Linux Speech Note. Tomar notas, leer y traducir con voz a texto (Speech to Text) y texto a voz (Text to Speech) sin conexión, y traducción automática.

mkiol
⭐ 1,720 C++ 👤 mkiol User 🕐 Actualizado 2026-11-18 📅 Creado 2021-10-07
72
strob/gentle

alineador forzado suave

strob
⭐ 1,713 Python 👤 strob User 🕐 Actualizado 2026-07-24 📅 Creado 2015-10-23
74
Ayanaminn/N46Whisper

Generador de subtítulos en japonés basado en Whisper

Ayanaminn
⭐ 1,708 Jupyter Notebook 👤 Ayanaminn User 🕐 Actualizado 2025-02-23 📅 Creado 2022-10-25
75
royshil/obs-localvocal

Plugin OBS para reconocimiento de voz local y subtitulado con IA

royshil
⭐ 1,674 C++ 👤 royshil User 🕐 Actualizado 2026-11-05 📅 Creado 2023-08-10
76
alan-ai/alan-sdk-ionic

El sistema de autocodificación para tu aplicación — Alan AI SDK para Ionic

alan-ai
⭐ 1,661 TypeScript 👤 alan-ai Organization 🕐 Actualizado 2025-04-22 📅 Creado 2020-04-24
77
amicalhq/amical

Dictado por voz gratuito y de código abierto para macOS y Windows. Transcripción local de voz a texto con Whisper y Parakeet; también funciona sin conexión.

amicalhq
⭐ 1,648 TypeScript 👤 amicalhq Organization 🕐 Actualizado 2026-11-21 📅 Creado 2025-05-08
78
finnvoor/yap

🗣️ Una CLI para la transcripción de voz en el dispositivo utilizando Speech.framework en macOS 26

finnvoor
⭐ 1,640 Swift 👤 finnvoor User 🕐 Actualizado 2026-07-20 📅 Creado 2025-06-15
79
semperai/amica

Amica es una interfaz de código abierto para la comunicación interactiva con personajes 3D con síntesis de voz y reconocimiento de voz.

semperai
⭐ 1,626 TypeScript 👤 semperai Organization 🕐 Actualizado 2026-11-12 📅 Creado 2023-10-29
80
QwenAudio/Fun-ASR

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.

QwenAudio
⭐ 1,614 C 👤 QwenAudio Organization 🕐 Actualizado 2026-11-20 📅 Creado 2025-12-15
81
Delta-ML/delta

DELTA es una plataforma de procesamiento de lenguaje natural y voz basada en aprendizaje profundo. LF AI & DATA Projects: https://lfaidata.foundation/projects/delta/

Delta-ML
⭐ 1,602 Python 👤 Delta-ML Organization 🕐 Actualizado 2025-04-16 📅 Creado 2019-05-29
82
espressif/esp-sr

Reconocimiento de voz

espressif
⭐ 1,589 C 👤 espressif Organization 🕐 Actualizado 2026-11-11 📅 Creado 2019-07-29
83
bytedance/SALMONN

Familia SALMONN: Un conjunto de LLM multimodales avanzados

bytedance
⭐ 1,576 👤 bytedance Organization 🕐 Actualizado 2026-10-16 📅 Creado 2023-08-11
84
AlekPet/ComfyUI_Custom_Nodes_AlekPet

Nodos personalizados que extienden las capacidades de Comfyui

AlekPet
⭐ 1,535 JavaScript 👤 AlekPet User 🕐 Actualizado 2026-11-20 📅 Creado 2023-05-10
85
nyrahealth/CrisperWhisper

Transcripción configurable. Literal (cada muletilla, pausa, tartamudeo y sonido vocal) o intencionada (lo que el hablante quiso decir, optimizada para facilitar la lectura), con marcas de tiempo a nivel de palabra.

nyrahealth
⭐ 1,498 Python 👤 nyrahealth Organization 🕐 Actualizado 2026-11-11 📅 Creado 2024-05-24
86
GauravSingh9356/J.A.R.V.I.S

Asistente personal construido con bibliotecas de Python. Hace casi todo, lo que incluye enviar correos electrónicos, reconocimiento óptico de texto, informes de noticias dinámicos en cualquier momento con integración de API, generador de listas de tareas pendientes, abre cualquier sitio web con solo un comando de voz, reproduce música, búsqueda en Wikipedia, diccionario con detección inteligente, es decir, autocorrección ortográfica, informes meteorológicos, es decir, temperatura, velocidad del viento, humedad, búsqueda en YouTube, búsqueda en Google Maps, descarga de YouTube, etc.

GauravSingh9356
⭐ 1,495 Python 👤 GauravSingh9356 User 🕐 Actualizado 2025-12-02 📅 Creado 2020-06-27
87
wit-ai/pywit

Biblioteca de Python para Wit.ai

wit-ai
⭐ 1,485 Python 👤 wit-ai Organization 🕐 Actualizado 2026-08-28 📅 Creado 2014-09-29
88
microsoft/DNS-Challenge

Este repo contiene los scripts, modelos y archivos requeridos para el Deep Noise Suppression (DNS) Challenge.

microsoft
⭐ 1,480 Python 👤 microsoft Organization 🕐 Actualizado 2026-11-10 📅 Creado 2020-01-14
89
ARahim3/mlx-tune

Ajusta finamente LLMs en tu Mac con Apple Silicon. SFT, DPO, GRPO, Visión, TTS, STT, Embedding y ajuste fino de OCR — de forma nativa en MLX. API compatible con Unsloth.

ARahim3
⭐ 1,475 Python 👤 ARahim3 User 🕐 Actualizado 2026-06-23 📅 Creado 2026-01-03
90
microsoft/SpeechT5

Preentrenamiento unificado unimodal de voz y texto para el procesamiento del lenguaje hablado

microsoft
⭐ 1,420 Python 👤 microsoft Organization 🕐 Actualizado 2024-04-24 📅 Creado 2022-02-08
91
PrunaAI/pruna

Pruna es un marco de optimización de modelos creado para desarrolladores, que le permite entregar modelos más rápidos y eficientes con una sobrecarga mínima.

PrunaAI
⭐ 1,399 Python 👤 PrunaAI Organization 🕐 Actualizado 2026-11-21 📅 Creado 2025-03-11
92
coqui-ai/open-speech-corpora

💎 Una lista de corpora de voz accesibles para ASR, TTS y otras tecnologías de voz

coqui-ai
⭐ 1,377 👤 coqui-ai Organization 🕐 Actualizado 2024-06-06 📅 Creado 2019-01-31
93
Softcatala/whisper-ctranslate2

Cliente de línea de comandos Whisper compatible con el cliente original de OpenAI basado en CTranslate2.

Softcatala
⭐ 1,374 Python 👤 Softcatala Organization 🕐 Actualizado 2026-11-12 📅 Creado 2023-03-17
94
ratwithacompiler/OBS-captions-plugin

Plugin de OBS para subtítulos cerrados usando Reconocimiento de voz de Google

ratwithacompiler
⭐ 1,351 C++ 👤 ratwithacompiler User 🕐 Actualizado 2026-10-09 📅 Creado 2019-07-13
95
linyiLYi/voice-assistant

Una simple demostración de juguete de un asistente de voz local con whisper y un modelo de lenguaje grande.

linyiLYi
⭐ 1,329 Python 👤 linyiLYi User 🕐 Actualizado 2024-04-30 📅 Creado 2023-12-09
96
soniqo/speech-swift

Kit de herramientas de voz IA para Apple Silicon — ASR, TTS, voz-a-voz, VAD y diarización impulsados por MLX y CoreML

soniqo
⭐ 1,284 Swift 👤 soniqo Organization 🕐 Actualizado 2026-11-18 📅 Creado 2026-02-04
97
ictnlp/StreamSpeech

StreamSpeech es un modelo "todo en uno" sin interrupciones para el reconocimiento de voz, la traducción de voz y la síntesis de voz sin conexión y simultánea.

ictnlp
⭐ 1,274 Python 👤 ictnlp Organization 🕐 Actualizado 2025-06-29 📅 Creado 2024-06-04
98
alphacep/vosk-server

Servidor de reconocimiento de voz WebSocket, gRPC y WebRTC basado en las bibliotecas Vosk y Kaldi

alphacep
⭐ 1,259 Python 👤 alphacep Organization 🕐 Actualizado 2025-07-25 📅 Creado 2019-05-07
99
aTrainTranscription/aTrain

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.

aTrainTranscription
⭐ 1,244 Python 👤 aTrainTranscription Organization 🕐 Actualizado 2026-11-20 📅 Creado 2023-10-03
100
yeyupiaoling/Whisper-Finetune

Ajuste fino del modelo de reconocimiento de voz Whisper para admitir entrenamiento sin datos de marca de tiempo, entrenamiento con datos de marca de tiempo y entrenamiento sin datos de voz. Acelerar la inferencia y admitir el despliegue web, el despliegue en escritorio de Windows y el despliegue en Android

yeyupiaoling
⭐ 1,222 C 👤 yeyupiaoling User 🕐 Actualizado 2026-05-08 📅 Creado 2023-04-22