#asr Dépôts
Découvrez 100 dépôts GitHub open source actifs associés à #asr, cumulant 289,141 étoiles au total (soit une moyenne de 2,891 étoiles par projet). Le projet en tête de ce thème est m-bain/whisperX, avec 25,556 étoiles.
101 dépôts au total
WhisperX : Reconnaissance vocale automatique avec horodatages au niveau du mot (& diarisation)
Kit d'outils de reconnaissance vocale open source pour l'entraînement, l'inférence, la ASR en streaming, la VAD, la ponctuation, les pipelines de diarisation des locuteurs et le service compatible OpenAI/MCP.
Un framework d'IA générative scalable conçu pour les chercheurs et développeurs travaillant sur les grands modèles de langage, le multimodal et l'IA vocale (reconnaissance automatique de la parole et texte vers parole)
Synthèse vocale, conversion de la parole en texte, diarisation des locuteurs, amélioration de la parole, séparation des sources et VAD utilisant la nouvelle génération de Kaldi avec onnxruntime sans connexion Internet. Prise en charge des systèmes embarqués, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, NPU RK, NPU Axera, NPU Ascend, serveurs x86_64, serveur/client websocket, prise en charge de 12 langages de programmation
API de reconnaissance vocale hors ligne pour Android, iOS, Raspberry Pi et serveurs avec Python, Java, C# et Node
Kit d'outils vocal facile à utiliser incluant un modèle d'apprentissage auto-supervisé, ASR SOTA/Streaming avec ponctuation, TTS Streaming avec frontend texte, système de vérification du locuteur, traduction vocale de bout en bout et détection de mots-clés. Lauréat du Best Demo Award NAACL2022.
Modèle SenseVoiceSmall open source pour la reconnaissance vocale en mandarin, cantonais, anglais, japonais et coréen, identification de la langue, reconnaissance des émotions et détection d'événements audio.
Ceci est une API Python qui vous permet d'obtenir la transcription/sous-titres pour une vidéo YouTube donnée. Elle fonctionne également pour les sous-titres générés automatiquement et ne nécessite ni clé API ni navigateur headless, contrairement aux autres solutions basées sur Selenium !
🤖 wukong-robot est un projet simple, flexible et élégant de robot de dialogue vocal en chinois/enceinte intelligente, qui supporte les capacités de dialogue multi-tours de ChatGPT, et pourrait être le premier projet d'enceinte intelligente open source à supporter l'interaction cerveau-ordinateur.
Outil de transcription vidéo, de génération de sous-titres et de découpage assisté par LLM, propulsé par FunASR avec une interface utilisateur Gradio locale.
Reconnaissance vocale automatique avec diarisation du locuteur basée sur OpenAI Whisper
Enregistrement HTML5 JS MP3 WAV OGG WebM AMR G711A G711U formats, prend en charge PC et Android, iOS certains navigateurs Web, Hybrid App (fournit le code source App Android iOS), WeChat, fournit ASR reconnaissance vocale vers texte version H5 exemple de chat vocal DTMF codage/décodage
Production d'abord et boîte à outils de reconnaissance vocale de bout en bout prête pour la production
Le lecteur multimédia pour l'apprentissage des langues, avec sous-titres doubles, sous-titres générés par l'IA, traduction en temps réel et plus encore !
Un moteur d'inférence tout-en-un, pur C++, pour les modèles audio, propulsé par ggml. Prend en charge TTS, STT, VAD, conversion vocale, génération musicale, etc., avec des performances hautement optimisées. Aucune dépendance Python.
Maintenez une touche, parlez, relâchez — du texte poli par IA apparaît à votre curseur dans n'importe quelle app. Saisie vocale open-source pour macOS et Windows.
Streamer-Sales Champion des Ventes – Grand Modèle LLM d'Animateur Commercial 🛒🎁, un grand modèle LLM d'animateur commercial capable de commenter des produits du point de vue de la stimulation de l'intention d'achat de l'utilisateur en fonction des caractéristiques données du produit. 🚀⭐ Comprend un processus détaillé de génération de données ❗ 📦 Intègre également LMDeploy pour une inférence accélérée 🚀, la génération augmentée par récupération RAG 📚, la synthèse vocale TTS 🔊, la génération d'avatars 🦸, l'utilisation d'agents pour interroger des informations en temps réel sur le web 🌐, la transcription vocale ASR 🎙️, le frontend de construction d'écosystème Vue 🍍, le backend de construction FastAPI 🗝️, le packaging et le déploiement avec Docker-compose 🐋
Modèles audio Frontier CoreML dans vos applications — synthèse vocale, reconnaissance vocale, détection d'activité vocale et diarisation des locuteurs. En Swift, propulsé par le libre accès SOTA.
Exécutables autonomes Whisper & Faster-Whisper pour ceux qui ne veulent pas s'embêter avec Python.
[AutoArk] GPA (General Purpose Audio) peut effectuer de l'ASR, du TTS et de la conversion vocale avec un seul modèle minuscule !
Reconnaissance vocale automatique multilingue avec horodatages au niveau du mot et confiance
Extrayez rapidement le contenu audio et vidéo, en l'organisant en une note markdown structurée
🐸STT - La boîte à outils d'apprentissage profond pour la reconnaissance vocale. Entraîner et déployer des modèles STT n'a jamais été aussi facile.
Modèles ASR open-source de qualité industrielle prenant en charge le mandarin, les dialectes chinois et l'anglais, atteignant un nouveau SOTA sur les benchmarks publics ASR en mandarin, tout en offrant une capacité exceptionnelle de reconnaissance des paroles chantées.
Framework IA+IoT de nouvelle génération pour T2/T3/T5AI/ESP32/et plus encore – Intégration matérielle rapide d'agents IoT et IA
Environnement d’exécution hautes performances pour le service de systèmes de superintelligence interactifs
Reconnaissance vocale en temps réel et détection d'activité vocale (VAD) utilisant Kaldi de nouvelle génération avec ncnn sans connexion Internet. Prise en charge d'iOS, Android, Linux, macOS, Windows, Raspberry Pi, VisionFive2, LicheePi4A, etc.
Bailing est un robot de conversation vocale similaire à GPT-4o, implémenté via ASR+LLM+TTS, intégré avec d'excellents grands modèles comme DeepSeek R1, connecté à openClaw, un véritable assistant vocal personnel avec une latence aussi basse que 800 ms, exécutable sur des configurations basses comme Mac, prend en charge l'interruption
Application Linux Speech Note. Prise de notes, lecture et traduction avec reconnaissance vocale hors ligne (Speech to Text), synthèse vocale (Text to Speech) et traduction automatique.
Moteur d’analyse multimodale tout-en-un + moteur de connaissances prêt pour l’IA, fondé sur une ontologie et piloté par un wiki LLM
Saisie vocale gratuite et open source pour macOS et Windows. Transcription vocale locale avec Whisper et Parakeet, également disponible hors ligne.
Analyser des vidéos à l'aide de LLM, de la vision par ordinateur et de la reconnaissance automatique de la parole
Modèles de reconnaissance vocale Fun-ASR, avec prise en charge native de Hugging Face Transformers pour Fun-ASR-Nano et des voies de déploiement distinctes pour FunASR, vLLM et llama.cpp.
DELTA est une plateforme de traitement du langage naturel et de la parole basée sur l'apprentissage profond. LF AI & DATA Projects: https://lfaidata.foundation/projects/delta/
Transcription contrôlable. Verbatim (chaque mot de remplissage, pause, bégaiement et son vocal) ou interprétée (ce que le locuteur voulait dire, optimisée pour la lisibilité), avec des horodatages au niveau des mots.
🍦 Speech-AI-Forge est un projet développé autour d'un modèle de génération TTS, implémentant un serveur API et une interface utilisateur Web basée sur Gradio.
Un humain numérique interactif vocal en temps réel, avec une apparence et une voix personnalisables, prenant en charge le clonage de voix, et un délai de dialogue aussi bas que 3 secondes.
Reconnaissance vocale native pour Linux - Dictée rapide, précise, privée et hackable à l'échelle du système
Kit d'outils de parole IA pour Apple Silicon — ASR, TTS, parole-parole, VAD et diarisation propulsés par MLX et CoreML
StreamSpeech est un modèle transparent « tout-en-un » pour la reconnaissance vocale, la traduction vocale et la synthèse vocale hors ligne et simultanées.
Serveur de reconnaissance vocale WebSocket, gRPC et WebRTC basé sur les bibliothèques Vosk et Kaldi
Le moteur d’IA open source pour AMD Strix Halo. Des modèles de texte, d’embeddings, de parole, d’image et de vidéo dans un seul binaire, avec des API compatibles avec OpenAI, une mise en cache pour les agents de programmation et des extensions de modèles. Linux et Windows.
Affinage du modèle de reconnaissance vocale Whisper pour prendre en charge l'entraînement sans données d'horodatage, l'entraînement avec données d'horodatage et l'entraînement sans données vocales. Accélérer l'inférence et prendre en charge le déploiement Web, le déploiement sur le bureau Windows et le déploiement Android
Foire aux questions
Quel est le dépôt #asr le plus populaire sur GitHub ?
Le projet #asr open source le mieux classé sur GitHub est m-bain/whisperX, avec 25,556 étoiles. WhisperX : Reconnaissance vocale automatique avec horodatages au niveau du mot (& diarisation)
Quels langages de programmation sont les plus utilisés dans les dépôts #asr ?
Parmi les projets #asr les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, C, Jupyter Notebook.
Comment le classement des dépôts #asr est-il calculé ?
Nous suivons 100 dépôts open source actifs associés à #asr (500+ étoiles), totalisant 289,141 étoiles, avec une moyenne de 2,891 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.