#speaker-diarization Dépôts
Découvrez 28 dépôts GitHub open source actifs associés à #speaker-diarization, cumulant 125,249 étoiles au total (soit une moyenne de 4,473 étoiles par projet). Le projet en tête de ce thème est modelscope/FunASR, avec 21,091 étoiles.
28 dépôts au total
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.
Transcription vocale en temps réel et locale avec ASR en streaming, diarisation des locuteurs, traduction et API compatibles avec OpenAI/Deepgram.
Téléchargez des vidéos et de l’audio depuis plus de 1 000 sites, transcrivez-les localement avec des étiquettes de locuteur, puis résumez-les, traduisez-les ou échangez avec vos contenus multimédias grâce au fournisseur d’IA de votre choix.
Blocs de construction neuronaux pour la diarisation des locuteurs : détection d'activité vocale, détection de changement de locuteur, détection de parole chevauchante, embedding du locuteur
Reconnaissance vocale automatique avec diarisation du locuteur basée sur OpenAI Whisper
Speakr est une application web personnelle auto-hébergée conçue pour transcrire des enregistrements audio
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.
Un référentiel pour la vérification de locuteur, la reconnaissance de locuteur et la diarisation de locuteur unimodale et multimodale
Reconnaissance vocale automatique multilingue avec horodatages au niveau du mot et confiance
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
Un package Python pour créer des applications audio en temps réel alimentées par l'IA
Une liste curated d'excellents articles, bibliothèques, ensembles de données et autres ressources sur le Speaker Diarization.
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.
Ceci est la bibliothèque pour l'algorithme Unbounded Interleaved-State Recurrent Neural Network (UIS-RNN), correspondant à l'article Fully Supervised Speaker Diarization.
Boîte à outils orientée recherche et production pour la vérification, la reconnaissance et la diarisation du locuteur
Kit d'outils de parole IA pour Apple Silicon — ASR, TTS, parole-parole, VAD et diarisation propulsés par MLX et CoreML
Un outil GUI pour la transcription hors ligne d'enregistrements vocaux, y compris la diarisation des locuteurs, utilisant des modèles d'apprentissage automatique de pointe.
service de transcription et de diarisation hors ligne auto-hébergé clé en main avec résumé LLM
Logiciel de génération de sous-titres entièrement automatisé tout-en-un, couvrant l'intégralité du processus : téléchargement, transcription, traduction et incrustation, sans aucune intervention humaine.
Peut être déployé en privé sur le réseau interne, un outil de transcription et de résumé vocal pour équipes/unités, code complet frontend et backend
Réimplémentation en Python des algorithmes de clustering spectral (contraints) utilisés dans les articles de Google sur la diarisation des locuteurs.
Foire aux questions
Quel est le dépôt #speaker-diarization le plus populaire sur GitHub ?
Le projet #speaker-diarization open source le mieux classé sur GitHub est modelscope/FunASR, avec 21,091 étoiles. 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.
Quels langages de programmation sont les plus utilisés dans les dépôts #speaker-diarization ?
Parmi les projets #speaker-diarization les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, TypeScript, Swift, Jupyter Notebook.
Comment le classement des dépôts #speaker-diarization est-il calculé ?
Nous suivons 28 dépôts open source actifs associés à #speaker-diarization (500+ étoiles), totalisant 125,249 étoiles, avec une moyenne de 4,473 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.