Git Stars Git Stars

#language-identification Dépôts

Découvrez 11 dépôts GitHub open source actifs associés à #language-identification, cumulant 25,202 étoiles au total (soit une moyenne de 2,291 étoiles par projet). Le projet en tête de ce thème est QwenAudio/SenseVoice, avec 9,797 étoiles.

11
Total des Dépôts
25,202
Nombre total d'étoiles
2,291
Moyenne d'Étoiles/Dépôt
Langages de programmation: Python C Kotlin Go Rust
1
QwenAudio/SenseVoice

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.

QwenAudio
⭐ 9,797 C 👤 QwenAudio Organization 🕐 Mis à jour 2026-09-30 📅 Créé 2024-07-03
2
googlesamples/mlkit

Une collection d'applications exemples pour montrer comment utiliser les API ML Kit de Google sur Android et iOS

googlesamples
⭐ 4,309 Kotlin 👤 googlesamples Organization 🕐 Mis à jour 2026-10-26 📅 Créé 2020-05-28
3
modelscope/3D-Speaker

Un référentiel pour la vérification de locuteur, la reconnaissance de locuteur et la diarisation de locuteur unimodale et multimodale

modelscope
⭐ 3,224 Python 👤 modelscope Organization 🕐 Mis à jour 2025-12-08 📅 Créé 2023-03-06
4
pemistahl/lingua-py

La bibliothèque de détection de langue naturelle la plus précise pour Python, adaptée aux textes courts et aux textes multilingues

pemistahl
⭐ 1,820 Python 👤 pemistahl User 🕐 Mis à jour 2026-07-20 📅 Créé 2021-07-13
5
pemistahl/lingua-go

La bibliothèque de détection de langage naturel la plus précise pour Go, adaptée aux textes courts et aux textes multilingues

pemistahl
⭐ 1,343 Go 👤 pemistahl User 🕐 Mis à jour 2025-02-06 📅 Créé 2020-11-27
6
pemistahl/lingua-rs

La bibliothèque de détection du langage naturel la plus précise pour Rust, adaptée aux textes courts et aux textes multilingues

pemistahl
⭐ 1,154 Rust 👤 pemistahl User 🕐 Mis à jour 2026-11-20 📅 Créé 2020-06-17
7
pemistahl/lingua

La bibliothèque de détection de langage naturel la plus précise pour Java et la JVM, adaptée aux textes longs et courts

pemistahl
⭐ 808 Kotlin 👤 pemistahl User 🕐 Mis à jour 2025-03-21 📅 Créé 2018-11-15
8
DataoceanAI/Dolphin

Dolphin est un modèle ASR multilingue et multitâche entraîné conjointement par DataoceanAI et l'Université Tsinghua.

DataoceanAI
⭐ 800 Python 👤 DataoceanAI User 🕐 Mis à jour 2026-06-11 📅 Créé 2025-03-18
9
FireRedTeam/FireRedASR2S

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.

FireRedTeam
⭐ 745 Python 👤 FireRedTeam Organization 🕐 Mis à jour 2026-06-02 📅 Créé 2026-02-12
10
Snowdar/asv-subtools

Outils Open Source pour la Reconnaissance du Locuteur

Snowdar
⭐ 633 Python 👤 Snowdar User 🕐 Mis à jour 2024-08-05 📅 Créé 2020-03-02
11
lovemefan/SenseVoice.cpp

Portage du modèle Sense-voice de Funasr en C/C++

lovemefan
⭐ 574 C 👤 lovemefan User 🕐 Mis à jour 2025-12-19 📅 Créé 2024-08-06

Foire aux questions

1

Quel est le dépôt #language-identification le plus populaire sur GitHub ?

Le projet #language-identification open source le mieux classé sur GitHub est QwenAudio/SenseVoice, avec 9,797 étoiles. 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.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #language-identification ?

Parmi les projets #language-identification les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C, Kotlin, Go.

3

Comment le classement des dépôts #language-identification est-il calculé ?

Nous suivons 11 dépôts open source actifs associés à #language-identification (500+ étoiles), totalisant 25,202 étoiles, avec une moyenne de 2,291 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.