#voice-activity-detection Dépôts
Découvrez 34 dépôts GitHub open source actifs associés à #voice-activity-detection, cumulant 106,805 étoiles au total (soit une moyenne de 3,141 étoiles par projet). Le projet en tête de ce thème est modelscope/FunASR, avec 21,091 étoiles.
35 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.
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
[PLUS MAINTENU] Utilitaire en ligne de commande pour générer automatiquement des sous-titres pour n'importe quel fichier vidéo
Whisper streaming en temps réel pour la transcription et la traduction de longs discours de la parole au texte
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.
L'alternative open source à Cluely - Un assistant IA ultra-rapide axé sur la confidentialité qui fonctionne de manière transparente lors des réunions, des entretiens et des conversations sans que personne ne le sache. Construit avec Tauri pour des performances natives, seulement 10 Mo. Complètement indétectable dans les appels vidéo, les partages d'écran et les enregistrements.
Détecteur d'activité vocale (VAD) : faible latence, hautes performances et léger
🔊 Une liste complète de jeux de données open-source pour le calcul vocal et sonore (95+ jeux de données).
Un package Python pour créer des applications audio en temps réel alimentées par l'IA
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.
💎 Une liste de corpus vocaux accessibles pour l'ASR, le TTS et d'autres technologies vocales
Kit d'outils de parole IA pour Apple Silicon — ASR, TTS, parole-parole, VAD et diarisation propulsés par MLX et CoreML
Ceci est un système d'interaction vocale construit sur un modèle open-source, intégrant l'ASR, le LLM et le TTS en séquence. Le modèle ASR est SenceVoice, les modèles LLM sont QWen2.5-0.5B/1.5B, et il existe trois modèles TTS : CosyVoice, Edge-TTS et pyttsx3
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.
Whisper.net. La reconnaissance vocale simplifiée grâce aux modèles Whisper
Kit d'outils de segmentation audio basé sur CNN. Permet de détecter la parole, la musique, le bruit et le genre du locuteur. Conçu pour des études à grande échelle sur l'égalité des genres basées sur le temps de parole par genre.
Dolphin est un modèle ASR multilingue et multitâche entraîné conjointement par DataoceanAI et l'Université Tsinghua.
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.
Bibliothèque de détection d'activité vocale (VAD), basée sur le moteur VAD de WebRTC
Une détection d'activité vocale et de détection d'événements audio de qualité industrielle SOTA, prenant en charge plus de 100 langues, surpassant Silero-VAD, TEN-VAD, FunASR-VAD et WebRTC-VAD
Serveur API et websocket pour sensevoice. Il a hérité de certaines fonctionnalités améliorées, telles que la détection VAD, la reconnaissance en streaming en temps réel et la vérification du locuteur.
Un pipeline optimisé de synthèse vocale vers texte pour le modèle Whisper prenant en charge plusieurs moteurs d'inférence
Synthèse vocale, reconnaissance vocale et détection d’activité vocale pour les conversations vocales, en C++ avec ggml : Qwen3-TTS, Irodori-TTS, Qwen3-ASR, ReazonSpeech, parakeet et Silero VAD sur Metal, Vulkan et le CPU, avec un serveur compatible avec OpenAI et une transcription en direct.
Synchronisez et traduisez automatiquement les sous‑titres, ou créez-en de nouveaux en les transcrivant, en utilisant des DNN pré‑entraînés, des alignements forcés et des Transformers. https://subaligner.readthedocs.io/
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 #voice-activity-detection le plus populaire sur GitHub ?
Le projet #voice-activity-detection 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 #voice-activity-detection ?
Parmi les projets #voice-activity-detection les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C, C++, Jupyter Notebook.
Comment le classement des dépôts #voice-activity-detection est-il calculé ?
Nous suivons 34 dépôts open source actifs associés à #voice-activity-detection (500+ étoiles), totalisant 106,805 étoiles, avec une moyenne de 3,141 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.