#voice-activity-detection Repositorios
Descubre 34 repositorios activos de código abierto de GitHub etiquetados con #voice-activity-detection, que acumulan 106,805 estrellas en total (una media de 3,141 estrellas por proyecto). El líder de este tema es modelscope/FunASR, con 21,091 estrellas.
35 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.
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
[YA NO MANTENIDO] Utilidad de línea de comandos para generar automáticamente subtítulos para cualquier archivo de video
Whisper streaming en tiempo real para transcripción y traducción de voz a texto de discursos largos
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.
La alternativa de código abierto a Cluely: un asistente de IA ultrarrápido centrado en la privacidad que funciona sin problemas durante reuniones, entrevistas y conversaciones sin que nadie lo sepa. Construido con Tauri para un rendimiento nativo, solo 10 MB. Completamente indetectable en videollamadas, compartir pantalla y grabaciones.
Detector de actividad de voz (VAD): baja latencia, alto rendimiento y ligero
🔊 Una lista completa de conjuntos de datos de código abierto para la computación de voz y sonido (más de 95 conjuntos de datos).
Un paquete de Python para construir aplicaciones de audio en tiempo real impulsadas por IA
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.
💎 Una lista de corpora de voz accesibles para ASR, TTS y otras tecnologías de voz
Kit de herramientas de voz IA para Apple Silicon — ASR, TTS, voz-a-voz, VAD y diarización impulsados por MLX y CoreML
Este es un sistema de interacción por voz construido sobre un modelo de código abierto, que integra ASR, LLM y TTS en secuencia. El modelo ASR es SenceVoice, los modelos LLM son QWen2.5-0.5B/1.5B y existen tres modelos TTS: CosyVoice, Edge-TTS y pyttsx3
Kit de herramientas oficial de Python para la API Qwen3-ASR. Llamadas paralelas de alto rendimiento, transcripción de audio larga y robusta, compatibilidad con múltiples frecuencias de muestreo.
Kit de herramientas de segmentación de audio basado en CNN. Permite detectar habla, música, ruido y género del hablante. Ha sido diseñado para estudios a gran escala sobre igualdad de género basados en el tiempo de habla por género.
Dolphin es un modelo ASR multilingüe y multitarea entrenado conjuntamente por DataoceanAI y la Universidad de Tsinghua.
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.
Biblioteca de detección de actividad de voz (VAD), basada en el motor VAD de WebRTC
Una detección de actividad de voz y detección de eventos de audio de grado industrial SOTA, que admite más de 100 idiomas, superando a Silero-VAD, TEN-VAD, FunASR-VAD y WebRTC-VAD
Servidor API y websocket para sensevoice. Ha heredado algunas funciones mejoradas, como la detección VAD, el reconocimiento en streaming en tiempo real y la verificación del hablante.
Una canalización optimizada de voz a texto para el modelo Whisper compatible con múltiples motores de inferencia
Síntesis de voz, reconocimiento de voz y detección de actividad vocal para conversaciones por voz, en C++ sobre ggml: Qwen3-TTS, Irodori-TTS, Qwen3-ASR, ReazonSpeech, parakeet y Silero VAD en Metal, Vulkan y la CPU, con un servidor compatible con OpenAI y transcripción en tiempo real.
Sincroniza y traduce subtítulos automáticamente, o crea nuevos transcribiéndolos, utilizando DNNs preentrenados, alineaciones forzadas y Transformers. https://subaligner.readthedocs.io/
Un sistema ligero cliente-servidor para procesamiento de audio en tiempo real con detección de actividad de voz (VAD) y reconocimiento automático de voz (ASR).
Preguntas frecuentes
¿Cuál es el repositorio de #voice-activity-detection más popular en GitHub?
El proyecto de código abierto de #voice-activity-detection 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 #voice-activity-detection?
Entre los proyectos de #voice-activity-detection mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, C, C++, Jupyter Notebook.
¿Cómo se calcula la clasificación de los repositorios de #voice-activity-detection?
Seguimos 34 repositorios activos de código abierto etiquetados con #voice-activity-detection (500+ estrellas), que suman un total de 106,805 estrellas, con una media de 3,141 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.