#asr Repository
Scopri 100 repository GitHub open source attivi contrassegnati con #asr, che raccolgono un totale di 289,141 stelle (con una media di 2,891 stelle per progetto). Il progetto leader di questo argomento è m-bain/whisperX, con 25,556 stelle.
101 repository in totale
WhisperX: Riconoscimento vocale automatico con timestamp a livello di parola (& diarizzazione)
Kit di strumenti di riconoscimento vocale open source per training, inferenza, ASR in streaming, VAD, punteggiatura, pipeline di diarizzazione dei parlanti e servizio compatibile con OpenAI/MCP.
Un framework scalabile di intelligenza artificiale generativa costruito per ricercatori e sviluppatori che lavorano su Large Language Models, Multimodal e Speech AI (Automatic Speech Recognition e Text-to-Speech)
Da parlato a testo, da testo a parlato, diarizzazione dell'oratore, miglioramento della voce, separazione delle sorgenti e VAD utilizzando la prossima generazione di Kaldi con onnxruntime senza connessione Internet. Supporto per sistemi embedded, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, NPU RK, NPU Axera, NPU Ascend, server x86_64, server/client websocket, supporto per 12 linguaggi di programmazione
API di riconoscimento vocale offline per Android, iOS, Raspberry Pi e server con Python, Java, C# e Node
Toolkit per il riconoscimento vocale facile da usare che include modello di apprendimento auto-supervisionato, ASR SOTA/Streaming con punteggiatura, TTS Streaming con frontend di testo, Sistema di Verifica del Parlante, Traduzione Vocale End-to-End e Rilevamento di Parole Chiave. Ha vinto il Best Demo Award NAACL2022.
Modello SenseVoiceSmall open source per ASR in mandarino, cantonese, inglese, giapponese e coreano, identificazione della lingua, riconoscimento delle emozioni e rilevamento di eventi audio.
Questa è un'API Python che ti permette di ottenere la trascrizione/sottotitoli per un video YouTube dato. Funziona anche per i sottotitoli generati automaticamente e non richiede una chiave API né un browser headless, come fanno altre soluzioni basate su Selenium!
🤖 wukong-robot è un progetto semplice, flessibile ed elegante di robot per il dialogo vocale in cinese/cassa intelligente, che supporta le capacità di dialogo multi-turno di ChatGPT e potrebbe essere il primo progetto di cassa intelligente open source che supporta l'interazione cervello-computer.
Strumento di trascrizione video, generazione di sottotitoli e clipping assistito da LLM basato su FunASR con interfaccia utente Gradio locale.
Riconoscimento vocale automatico con diarizzazione del parlante basato su OpenAI Whisper
Registrazione HTML5 JS MP3 WAV OGG WebM AMR G711A G711U formati, supporta PC e Android, iOS alcuni browser Web, Hybrid App (fornisce codice sorgente App Android iOS), WeChat, fornisce ASR riconoscimento vocale in testo versione H5 esempio chat vocale DTMF codifica/decodifica
Produzione prima e pacchetto di riconoscimento vocale end-to-end pronto per la produzione
Il lettore multimediale per l'apprendimento delle lingue, con sottotitoli doppi, sottotitoli generati dall'IA, traduzione in tempo reale e altro ancora!
Un motore di inferenza tutto-in-uno, puro C++, per modelli audio, basato su ggml. Supporta TTS, STT, VAD, conversione vocale, generazione musicale e altro, con prestazioni altamente ottimizzate. Nessuna dipendenza da Python.
Tieni premuto un tasto, parla, rilascia — testo rifinito dall'IA appare al tuo cursore in qualsiasi app. Input vocale open-source per macOS e Windows.
Streamer-Sales Campione di Vendite – Modello LLM di Streamer Venditore 🛒🎁, un modello LLM di streamer venditore capace di fornire commenti sui prodotti dal punto di vista dello stimolare la volontà di acquisto degli utenti in base alle caratteristiche del prodotto fornite. 🚀⭐ Include processi dettagliati di generazione dati ❗ 📦 Inoltre integra LMDeploy per inferenza accelerata 🚀, RAG Retrieval Augmented Generation 📚, TTS Text-to-Speech 🔊, generazione di avatar 🦸, utilizzo di agenti per ricerche di informazioni in tempo reale sul web 🌐, ASR Speech-to-Text 🎙️, frontend di costruzione dell'ecosistema Vue 🍍, backend di costruzione FastAPI 🗝️, packaging e deployment con Docker-compose 🐋
Modelli audio Frontier CoreML nelle tue app: text-to-speech, speech-to-text, voice activity detection e speaker diarization. In Swift, basato su SOTA open source.
Eseguibili standalone Whisper & Faster-Whisper per coloro che non vogliono preoccuparsi di Python.
[AutoArk] GPA (General Purpose Audio) può eseguire ASR, TTS e conversione vocale con un unico modello minuscolo!
Riconoscimento vocale automatico multilingue con timestamp a livello di parola e confidenza
Estrai rapidamente contenuti audio e video, organizzandoli in una nota markdown strutturata
🐸STT - Il toolkit di deep learning per Speech-to-Text. L'addestramento e il deployment di modelli STT non sono mai stati così facili.
Modelli ASR open-source di livello industriale che supportano mandarino, dialetti cinesi e inglese, raggiungendo un nuovo SOTA sui benchmark pubblici ASR in mandarino, offrendo al contempo eccezionali capacità di riconoscimento del testo delle canzoni.
Framework AI+IoT di nuova generazione per T2/T3/T5AI/ESP32/e altro – Integrazione hardware veloce di agenti IoT e AI
Runtime ad alte prestazioni per l’erogazione di sistemi di superintelligenza interattivi
Riconoscimento vocale in tempo reale e rilevamento dell'attività vocale (VAD) utilizzando Kaldi di nuova generazione con ncnn senza connessione Internet. Supporto per iOS, Android, Linux, macOS, Windows, Raspberry Pi, VisionFive2, LicheePi4A ecc.
Bailing è un robot di conversazione vocale simile a GPT-4o, implementato tramite ASR+LLM+TTS, integrato con eccellenti grandi modelli come DeepSeek R1, connesso a openClaw, un vero assistente vocale personale con latenza fino a 800 ms, eseguibile su dispositivi a bassa configurazione come Mac, supporta l'interruzione
App Linux Speech Note. Prendere appunti, leggere e tradurre con Speech to Text offline, Text to Speech e traduzione automatica.
Motore di parsing multimodale tutto-in-uno + motore della conoscenza pronto per l’IA, basato su ontologie e guidato da una Wiki LLM
Digitazione vocale gratuita e open source per macOS e Windows. Trascrizione vocale locale con Whisper e Parakeet, disponibile anche offline.
Analizza video utilizzando LLM, Computer Vision e riconoscimento automatico della voce
Modelli di riconoscimento vocale Fun-ASR, con supporto nativo per Hugging Face Transformers per Fun-ASR-Nano e percorsi di distribuzione separati per FunASR, vLLM e llama.cpp.
DELTA è una piattaforma di elaborazione del linguaggio naturale e della voce basata sull'apprendimento profondo. LF AI & DATA Projects: https://lfaidata.foundation/projects/delta/
Trascrizione controllabile. Letterale (ogni intercalare, pausa, balbettio e suono vocale) oppure intenzionale (ciò che il parlante intendeva dire, ottimizzato per la leggibilità), con timestamp a livello di parola.
🍦 Speech-AI-Forge è un progetto sviluppato attorno a un modello di generazione TTS, che implementa un API Server e una WebUI basata su Gradio.
Umano digitale interattivo vocale in tempo reale, con aspetto e voce personalizzabili, che supporta la clonazione vocale e presenta una latenza di dialogo di soli 3 secondi.
Riconoscimento vocale nativo per Linux - Dettatura rapida, accurata, privata e hackerabile a livello di sistema
Toolkit vocale IA per Apple Silicon — ASR, TTS, voce-su-voce, VAD e diarizzazione alimentati da MLX e CoreML
StreamSpeech è un modello "All in One" senza interruzioni per il riconoscimento vocale offline e simultaneo, la traduzione vocale e la sintesi vocale.
Server di riconoscimento vocale basato su WebSocket, gRPC e WebRTC utilizzando le librerie Vosk e Kaldi
Il motore di IA open source per AMD Strix Halo. Modelli di testo, embedding, voce, immagini e video in un unico binario, con API compatibili con OpenAI, caching per agenti di programmazione ed estensioni dei modelli. Linux e Windows.
Affina il modello di riconoscimento vocale Whisper per supportare l'addestramento senza dati di timestamp, l'addestramento con dati di timestamp e l'addestramento senza dati vocali. Accelera l'inferenza e supporta il deployment Web, il deployment desktop Windows e il deployment Android
Domande frequenti
Qual è il repository #asr più popolare su GitHub?
Il progetto open source #asr più alto in classifica su GitHub è m-bain/whisperX, con 25,556 stelle. WhisperX: Riconoscimento vocale automatico con timestamp a livello di parola (& diarizzazione)
Quali linguaggi di programmazione sono più utilizzati nei repository #asr?
Tra i progetti #asr più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, C++, C, Jupyter Notebook.
Come viene calcolata la classifica dei repository #asr?
Monitoriamo 100 repository open source attivi contrassegnati con #asr (500+ stelle), per un totale di 289,141 stelle e una media di 2,891 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.