#automatic-speech-recognition Dépôts
Découvrez 42 dépôts GitHub open source actifs associés à #automatic-speech-recognition, cumulant 118,799 étoiles au total (soit une moyenne de 2,828 étoiles par projet). Le projet en tête de ce thème est Vaibhavs10/insanely-fast-whisper, avec 13,052 étoiles.
42 dépôts au total
Modèles Fondamentaux pour la Traduction Vocale et Textuelle de Pointe
Transcription vocale en temps réel et locale avec ASR en streaming, diarisation des locuteurs, traduction et API compatibles avec OpenAI/Deepgram.
Inférence GPGPU haute performance du modèle Whisper d'OpenAI pour la reconnaissance automatique de la parole (ASR)
Production d'abord et boîte à outils de reconnaissance vocale de bout en bout prête pour la production
Kimi-Audio, un modèle fondamental audio open-source excellent dans la compréhension, la génération et la conversation audio
[PLUS MAINTENU] Utilitaire en ligne de commande pour générer automatiquement des sous-titres pour n'importe quel fichier vidéo
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.
Outil IA de doublage/traduction vidéo multilingue intelligent - Linly-Dubbing — « L'IA, sans frontières linguistiques »
[AutoArk] GPA (General Purpose Audio) peut effectuer de l'ASR, du TTS et de la conversion vocale avec un seul modèle minuscule !
Omnilingual ASR open-source reconnaissance vocale multilingue pour plus de 1600 langues
🐸STT - La boîte à outils d'apprentissage profond pour la reconnaissance vocale. Entraîner et déployer des modèles STT n'a jamais été aussi facile.
Détecteur d'activité vocale (VAD) : faible latence, hautes performances et léger
Un modèle de 0,9B pour la transcription de contenus longs dans plus de 50 langues, avec diarisation des locuteurs, horodatage et détection des événements acoustiques
Le dépôt officiel du chat Qwen2-Audio et du grand modèle linguistique audio pré-entraîné proposé par Alibaba Cloud.
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.
Step-Audio 2 est un grand modèle linguistique multimodal de bout en bout conçu pour la compréhension audio et la conversation vocale de qualité professionnelle.
Générer automatiquement des sous-titres à l'aide du modèle OpenAI Whisper via Jellyfin, Plex, Emby, Tautulli ou Bazarr
Toolkit Python officiel pour l'API Qwen3-ASR. Appels parallèles à haut débit, transcription audio longue et robuste, prise en charge de plusieurs fréquences d'échantillonnage.
:zap: TensorFlowASR: Reconnaissance vocale automatique presque à la pointe de la technologie dans TensorFlow 2. Langues prises en charge qui peuvent utiliser des caractères ou des sous-mots
Une implémentation des modèles Parakeet de Nvidia pour Apple Silicon utilisant MLX.
Évaluez votre système de reconnaissance vocale avec des mesures de similarité telles que le taux d'erreur sur les mots (WER)
Omni SenseVoice : Reconnaissance vocale à haute vitesse avec horodatage des mots 🗣️🎯
Dolphin est un modèle ASR multilingue et multitâche entraîné conjointement par DataoceanAI et l'Université Tsinghua.
Collection de ressources sur les applications des grands modèles linguistiques (LLM) dans Audio AI.
Un système ASR tout-en-un industriel de pointe avec des modules ASR, VAD, LID et Punc. FireRedASR2 prend en charge le chinois (mandarin, 20+ dialectes/accents), l'anglais, l'alternance codique, et l'ASR pour la parole et le chant. FireRedVAD prend en charge la parole/le chant/la musique dans 100+ langues. FireRedLID prend en charge 100+ langues et 20+ dialectes chinois. FireRedPunc prend en charge le chinois et l'anglais.
Transcription vocale en temps réel avec FastRTC ⚡️ et Whisper local 🤗
Reconnaissance vocale hors ligne avec OpenAI Whisper et TensorFlow Lite pour Android
✨✨[NeurIPS 2025] VITA-Audio : Génération rapide de jetons intermodaux entrelacés pour un grand modèle parole-langage efficace
Moteur de transcription vocale en streaming sur appareil alimenté par l'apprentissage profond
Il est possible de lancer l'enregistrement en appuyant sur le bouton Option et de terminer l'enregistrement en le relâchant, puis d'appeler le modèle Groq Whisper Large V3 Turbo pour la transcription. Comme Groq est très rapide, la plupart des entrées vocales sont renvoyées en 1 à 2 secondes. Et grâce aux puissantes capacités de Whisper, l'effet de transcription est très bon.
Un système léger client-serveur pour le traitement audio en temps réel avec détection d'activité vocale (VAD) et reconnaissance automatique de la parole (ASR).
Foire aux questions
Quel est le dépôt #automatic-speech-recognition le plus populaire sur GitHub ?
Le projet #automatic-speech-recognition open source le mieux classé sur GitHub est Vaibhavs10/insanely-fast-whisper, avec 13,052 étoiles.
Quels langages de programmation sont les plus utilisés dans les dépôts #automatic-speech-recognition ?
Parmi les projets #automatic-speech-recognition les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, C++, Swift.
Comment le classement des dépôts #automatic-speech-recognition est-il calculé ?
Nous suivons 42 dépôts open source actifs associés à #automatic-speech-recognition (500+ étoiles), totalisant 118,799 étoiles, avec une moyenne de 2,828 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.