Git Stars Git Stars

#speech-to-text Repositorios

Descubre 211 repositorios activos de código abierto de GitHub etiquetados con #speech-to-text, que acumulan 925,003 estrellas en total (una media de 4,383 estrellas por proyecto). El líder de este tema es debpalash/VoiceStudio, con 115,753 estrellas.

211
Total de Repositorios
925,003
Total de estrellas
4,383
Promedio de Estrellas/Repo

211 repositorios en total

1
debpalash/VoiceStudio

VoiceStudio es la alternativa de código abierto y completamente local a ElevenLabs: clonación de voz, diseño de voz, doblaje de vídeo, dictado, transcripción y creación de audiolibros en 646 idiomas.

debpalash
⭐ 115,753 Python 👤 debpalash User 🕐 Actualizado 2026-11-21 📅 Creado 2026-04-09
2
ggml-org/whisper.cpp

Puerto del modelo Whisper de OpenAI en C/C++

ggml-org
⭐ 55,392 C++ 👤 ggml-org Organization 🕐 Actualizado 2026-11-20 📅 Creado 2022-09-25
3
cjpais/Handy

Una aplicación de voz a texto gratuita, de código abierto y extensible que funciona completamente sin conexión.

cjpais
⭐ 39,490 Rust 👤 cjpais User 🕐 Actualizado 2026-11-21 📅 Creado 2025-02-13
4
Zackriya-Solutions/meetily

Asistente de IA para tomar notas de reuniones, con la privacidad como prioridad, para Windows, macOS y Linux. Gratis y de código abierto (MIT). Transcripción con Whisper/Parakeet y diarización de hablantes en el dispositivo, sin bots en las reuniones. Alternativa de código abierto a Granola, Otter y Fireflies. https://meetily.ai

Zackriya-Solutions
⭐ 32,937 Rust 👤 Zackriya-Solutions Organization 🕐 Actualizado 2026-11-14 📅 Creado 2024-12-26
5
SYSTRAN/faster-whisper

Transcripción Whisper más rápida con CTranslate2

SYSTRAN
⭐ 26,924 Python 👤 SYSTRAN Organization 🕐 Actualizado 2026-11-12 📅 Creado 2023-02-11
6
mozilla-ai/llamafile

Distribuye y ejecuta LLM con un solo archivo.

mozilla-ai
⭐ 26,681 C++ 👤 mozilla-ai Organization 🕐 Actualizado 2026-11-09 📅 Creado 2023-09-10
7
m-bain/whisperX

WhisperX: Reconocimiento automático de voz con marcas de tiempo a nivel de palabra (& diarización)

m-bain
⭐ 25,556 Python 👤 m-bain User 🕐 Actualizado 2026-11-21 📅 Creado 2022-12-09
8
screenpipe/screenpipe

YC (S26) | Screenpipe encuentra el trabajo que merece automatizarse | Registra continuamente el trabajo que realizas en el ordenador, descubre flujos de trabajo recurrentes y entrega el resultado a cualquier agente que ya utilices.

screenpipe
⭐ 22,492 Rust 👤 screenpipe Organization 🕐 Actualizado 2026-11-21 📅 Creado 2024-06-19
9
Evil0ctal/Douyin_TikTok_Download_API

🚀 API autoalojada para recopilar datos de Douyin, TikTok y Bilibili y descargar vídeos sin marca de agua. Compatible con llamadas de agentes de IA mediante MCP y con transcripción de voz sin conexión. Despliegue de Docker con un solo clic. | Extractor autoalojado de TikTok, Douyin y Bilibili y descargador de vídeos sin marca de agua: API REST asíncrona, servidor MCP para agentes de IA, CLI y consola web, además de transcripción de voz sin conexión para los vídeos descargados. Grupo de identidades con autorrecuperación, archivo PostgreSQL y puesta en marcha con un solo `docker compose up`.

Evil0ctal
⭐ 21,507 Python 👤 Evil0ctal User 🕐 Actualizado 2026-11-20 📅 Creado 2021-11-07
10
modelscope/FunASR

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.

modelscope
⭐ 21,091 Python 👤 modelscope Organization 🕐 Actualizado 2026-11-21 📅 Creado 2022-11-24
11
jianchang512/pyvideotrans

Traduce el video de un idioma a otro e incorpora doblaje y subtítulos.

jianchang512
⭐ 19,789 Python 👤 jianchang512 User 🕐 Actualizado 2026-11-21 📅 Creado 2023-10-02
12
leon-ai/leon

🧠 Leon es tu asistente personal de código abierto.

leon-ai
⭐ 17,702 TypeScript 👤 leon-ai Organization 🕐 Actualizado 2026-11-21 📅 Creado 2019-02-10
13
k2-fsa/sherpa-onnx

Reconocimiento de voz a texto, texto a voz, diarización de hablantes, mejora de voz, separación de fuentes y VAD utilizando la próxima generación de Kaldi con onnxruntime sin conexión a Internet. Soporte para sistemas integrados, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, NPU RK, NPU Axera, NPU Ascend, servidores x86_64, servidor/cliente websocket, soporte para 12 lenguajes de programación

k2-fsa
⭐ 16,076 C++ 👤 k2-fsa Organization 🕐 Actualizado 2026-11-21 📅 Creado 2022-09-01
14
kaldi-asr/kaldi

kaldi-asr/kaldi es la ubicación oficial del proyecto Kaldi.

kaldi-asr
⭐ 15,488 Shell 👤 kaldi-asr Organization 🕐 Actualizado 2025-09-22 📅 Creado 2015-04-20
15
alphacep/vosk-api

API de reconocimiento de voz offline para Android, iOS, Raspberry Pi y servidores con Python, Java, C# y Node

alphacep
⭐ 15,278 Jupyter Notebook 👤 alphacep Organization 🕐 Actualizado 2026-10-15 📅 Creado 2019-09-03
16
huggingface/speech-to-speech

Crea agentes de voz con modelos de código abierto

huggingface
⭐ 13,760 Python 👤 huggingface Organization 🕐 Actualizado 2026-11-19 📅 Creado 2024-08-07
17
abus-aikorea/voice-pro

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.

abus-aikorea
⭐ 13,461 Python 👤 abus-aikorea User 🕐 Actualizado 2026-07-13 📅 Creado 2024-07-29
18
OpenWhispr/openwhispr

Aplicación de dictado voz a texto con modelos locales (Nvidia Parakeet/Whisper) y en la nube (BYOK). Prioridad a la privacidad y disponible cross-platform.

OpenWhispr
⭐ 11,968 JavaScript 👤 OpenWhispr Organization 🕐 Actualizado 2026-11-21 📅 Creado 2025-06-19
19
speechbrain/speechbrain

Un kit de herramientas de voz basado en PyTorch

speechbrain
⭐ 11,946 Python 👤 speechbrain Organization 🕐 Actualizado 2026-10-14 📅 Creado 2020-04-28
20
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
21
nexmoe/VidBee

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.

nexmoe
⭐ 11,189 TypeScript 👤 nexmoe User 🕐 Actualizado 2026-11-21 📅 Creado 2025-10-22
22
KoljaB/RealtimeSTT

Una biblioteca de voz a texto robusta, eficiente y de baja latencia con detección avanzada de actividad de voz, activación por palabra clave y transcripción instantánea.

KoljaB
⭐ 10,257 Python 👤 KoljaB User 🕐 Actualizado 2026-11-11 📅 Creado 2023-08-29
23
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
24
Uberi/speech_recognition

Módulo de reconocimiento de voz para Python, compatible con varios motores y API, en línea y sin conexión.

Uberi
⭐ 9,008 Python 👤 Uberi User 🕐 Actualizado 2026-11-17 📅 Creado 2014-04-23
25
nl8590687/ASRT_SpeechRecognition

Sistema de Reconocimiento de Voz Chino Basado en Aprendizaje Profundo

nl8590687
⭐ 8,404 Python 👤 nl8590687 User 🕐 Actualizado 2026-04-10 📅 Creado 2017-03-06
26
Neywa-Labs/mlx-audio

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.

Neywa-Labs
⭐ 8,315 Python 👤 Neywa-Labs Organization 🕐 Actualizado 2026-11-20 📅 Creado 2024-11-27
27
Osmantic/ODS

Prelanzamiento de ODS V3: pruebas públicas y mejoras antes del lanzamiento oficial de V3. Convierte tu PC, Mac o equipo Linux en un servidor de IA privado.

Osmantic
⭐ 7,882 Python 👤 Osmantic Organization 🕐 Actualizado 2026-11-19 📅 Creado 2026-02-09
28
anomalyco/hex

Dictado de voz local para Mac, Windows y Linux

anomalyco
⭐ 7,836 Rust 👤 anomalyco Organization 🕐 Actualizado 2026-11-21 📅 Creado 2026-07-17
29
getopenscreen/openscreen

Graba tu pantalla, comparte una demo. Gratis y de código abierto, acelerado por GPU, sin marcas de agua, sin suscripciones. Windows, macOS, Linux. Mantenimiento activo.

getopenscreen
⭐ 7,685 TypeScript 👤 getopenscreen Organization 🕐 Actualizado 2026-11-21 📅 Creado 2026-03-14
30
TalAter/annyang

💬 Reconocimiento de voz para tu sitio web

TalAter
⭐ 6,820 TypeScript 👤 TalAter User 🕐 Actualizado 2026-10-29 📅 Creado 2013-08-23
31
modelscope/FunClip

Herramienta de transcripción de video, generación de subtítulos y recorte asistido por LLM impulsada por FunASR con una interfaz Gradio local.

modelscope
⭐ 6,613 Python 👤 modelscope Organization 🕐 Actualizado 2026-11-01 📅 Creado 2023-05-17
32
argmaxinc/argmax-oss-swift

IA de Voz en Dispositivo para Apple Silicon

argmaxinc
⭐ 6,471 Swift 👤 argmaxinc Organization 🕐 Actualizado 2026-10-27 📅 Creado 2024-01-26
33
ddean2009/MoneyPrinterPlus

La IA genera videos cortos en masa con un clic, remezcla automáticamente videos cortos, publica automáticamente videos en Douyin, Kuaishou, Xiaohongshu, Video Channel, ¡ganar dinero nunca ha sido tan fácil! Soporta modelos de voz locales chatTTS, faster-whisper, GPTSoVITS, soporta voces en la nube: Azure, Alibaba Cloud, Tencent Cloud. Soporta Stable diffusion, comfyUI para la generación directa de imágenes por IA. Genera videos cortos con un clic usando KI LLM, ¡imprime dinero juntos! Soporta: chatTTS, faster-whisper, GPTSoVITS, Azure, Tencent Cloud, Ali Cloud.

ddean2009
⭐ 6,408 Python 👤 ddean2009 User 🕐 Actualizado 2025-03-07 📅 Creado 2024-05-09
34
dograh-hq/dograh

Plataforma de IA de voz de código abierto. Alternativa autohospedada a Vapi y Retell. On-premise, BYOK en Speech-to-Speech o LLM/STT/TTS, con un constructor de flujo de trabajo visual, nativo en MCP y soporte de telefonía.

dograh-hq
⭐ 6,240 Python 👤 dograh-hq Organization 🕐 Actualizado 2026-11-16 📅 Creado 2025-09-09
35
snakers4/silero-models

Modelos Silero: modelos de texto a voz preentrenados hechos increíblemente sencillos

snakers4
⭐ 6,223 Jupyter Notebook 👤 snakers4 User 🕐 Actualizado 2026-10-15 📅 Creado 2020-09-11
36
Shaunwei/RealChar

🎙️🤖Crea, personaliza y habla con tu personaje/compañero IA en tiempo real (¡Todo en una única base de código!). Mantén una conversación natural y fluida con la IA en cualquier lugar (móvil, web y terminal) utilizando LLM OpenAI GPT3.5/4, Anthropic Claude2, Chroma Vector DB, Whisper Speech2Text, ElevenLabs Text2Speech🎙️🤖

Shaunwei
⭐ 6,216 JavaScript 👤 Shaunwei User 🕐 Actualizado 2026-01-20 📅 Creado 2023-06-26
37
liuzhao1225/YouDub-Desktop

Localización y doblaje de video con IA de código abierto para YouTube/Bilibili: reconocimiento de voz, traducción de subtítulos, clonación de voz, mezcla de audio y renderizado. Herramienta de código abierto para traducción y doblaje de videos con IA.

liuzhao1225
⭐ 5,874 TypeScript 👤 liuzhao1225 User 🕐 Actualizado 2026-11-21 📅 Creado 2023-12-26
38
MahmoudAshraf97/whisper-diarization

Reconocimiento automático de voz con diarización del hablante basado en OpenAI Whisper

MahmoudAshraf97
⭐ 5,676 Jupyter Notebook 👤 MahmoudAshraf97 User 🕐 Actualizado 2026-08-15 📅 Creado 2023-01-25
39
AhmadHassan-BTed/B

Un compañero de escritorio con IA autónomo y consciente del contexto. Desarrollado con Python, cuenta con visión de pantalla en tiempo real, síntesis de voz ONNX personalizada, seguimiento de la ventana activa y una interfaz flotante dinámica con expresiones faciales reactivas.

AhmadHassan-BTed
⭐ 5,177 Python 👤 AhmadHassan-BTed User 🕐 Actualizado 2026-07-07 📅 Creado 2026-05-02
40
jianchang512/stt

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

jianchang512
⭐ 4,857 Python 👤 jianchang512 User 🕐 Actualizado 2026-01-22 📅 Creado 2023-12-28
41
sanchit-gandhi/whisper-jax

Implementación JAX del modelo Whisper de OpenAI para una aceleración de hasta 70 veces en TPU.

sanchit-gandhi
⭐ 4,649 Jupyter Notebook 👤 sanchit-gandhi User 🕐 Actualizado 2024-04-03 📅 Creado 2023-03-02
42
gradio-app/fastrtc

La biblioteca Python para comunicación en tiempo real

gradio-app
⭐ 4,639 JavaScript 👤 gradio-app Organization 🕐 Actualizado 2026-10-21 📅 Creado 2024-09-25
43
tmoroney/auto-subs

Generación de subtítulos en el dispositivo que se conecta directamente a DaVinci Resolve, Premiere y After Effects.

tmoroney
⭐ 4,598 TypeScript 👤 tmoroney User 🕐 Actualizado 2026-11-11 📅 Creado 2023-03-15
44
0xShug0/audio.cpp

Un motor de inferencia todo en uno, puro en C++, para modelos de audio, impulsado por ggml. Admite TTS, STT, VAD, conversión de voz, generación de música y más, con rendimiento altamente optimizado. Sin dependencia de Python.

0xShug0
⭐ 4,385 C++ 👤 0xShug0 User 🕐 Actualizado 2026-11-21 📅 Creado 2026-06-23
45
Open-Less/openless

Mantén una tecla, habla, suelta — texto pulido por IA aparece en tu cursor en cualquier app. Entrada de voz de código abierto para macOS y Windows.

Open-Less
⭐ 4,148 Rust 👤 Open-Less Organization 🕐 Actualizado 2026-11-21 📅 Creado 2026-04-27
46
SakiRinn/LiveCaptions-Translator

Herramienta de traducción de audio/voz en tiempo real, ligera y potente, basada en Windows LiveCaptions.

SakiRinn
⭐ 4,121 C# 👤 SakiRinn User 🕐 Actualizado 2026-08-17 📅 Creado 2024-09-13
47
KoljaB/RealtimeVoiceChat

¡Ten una conversación natural y hablada con la IA!

KoljaB
⭐ 3,875 Python 👤 KoljaB User 🕐 Actualizado 2026-11-12 📅 Creado 2025-04-19
48
vocodedev/vocode-core

Crea agentes LLM basados en voz. Modulares + código abierto.

vocodedev
⭐ 3,670 Python 👤 vocodedev Organization 🕐 Actualizado 2024-11-15 📅 Creado 2023-02-24
49
antiboredom/videogrep

supercortes de video automáticos con Python

antiboredom
⭐ 3,446 Python 👤 antiboredom User 🕐 Actualizado 2024-04-19 📅 Creado 2014-05-27
50
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

Preguntas frecuentes

1

¿Cuál es el repositorio de #speech-to-text más popular en GitHub?

El proyecto de código abierto de #speech-to-text mejor posicionado en GitHub es debpalash/VoiceStudio, con 115,753 estrellas. VoiceStudio es la alternativa de código abierto y completamente local a ElevenLabs: clonación de voz, diseño de voz, doblaje de vídeo, dictado, transcripción y creación de audiolibros en 646 idiomas.

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #speech-to-text?

Entre los proyectos de #speech-to-text mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, TypeScript, Rust, C++.

3

¿Cómo se calcula la clasificación de los repositorios de #speech-to-text?

Seguimos 211 repositorios activos de código abierto etiquetados con #speech-to-text (500+ estrellas), que suman un total de 925,003 estrellas, con una media de 4,383 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.