Git Stars Git Stars

#asr Repository

100
Totale Repository
289,141
Totale stelle
2,891
Media Stelle/Repo
51
Kieirra/murmure

Completamente locale, privato e multipiattaforma Speech-to-Text con post-elaborazione LLM

Kieirra
โญ 1,170 TypeScript ๐Ÿ‘ค Kieirra User ๐Ÿ• Aggiornato 2026-11-20 ๐Ÿ“… Creato 2025-10-12
52
xzf-thu/Mega-ASR

Primo ASR di base costruito per il mondo reale: 7 condizioni acustiche atomiche, 54 scenari composti, 2,6 milioni di campioni e fino a ~30% di miglioramento rispetto a SOTA dove ogni altro modello crolla. **Tornerai a MEGA-ASR, dopo che gli altri falliranno nel mondo reale. โญ**

xzf-thu
โญ 1,152 Python ๐Ÿ‘ค xzf-thu User ๐Ÿ• Aggiornato 2026-09-02 ๐Ÿ“… Creato 2026-05-16
53
sooftware/conformer

Implementazione PyTorch [Non ufficiale] di "Conformer: Convolution-augmented Transformer for Speech Recognition" (INTERSPEECH 2020)

sooftware
โญ 1,137 Python ๐Ÿ‘ค sooftware User ๐Ÿ• Aggiornato 2026-11-15 ๐Ÿ“… Creato 2021-01-21
54
shang-zhu/violin

Competenza di traduzione video open source

shang-zhu
โญ 1,091 Python ๐Ÿ‘ค shang-zhu User ๐Ÿ• Aggiornato 2026-09-04 ๐Ÿ“… Creato 2026-04-07
55
alphacep/vosk-android-demo

Riconoscimento vocale offline per Android con la libreria Vosk.

alphacep
โญ 1,064 Java ๐Ÿ‘ค alphacep Organization ๐Ÿ• Aggiornato 2025-12-08 ๐Ÿ“… Creato 2019-09-03
56
pykaldi/pykaldi

Un wrapper Python per Kaldi

pykaldi
โญ 1,039 Python ๐Ÿ‘ค pykaldi Organization ๐Ÿ• Aggiornato 2025-11-30 ๐Ÿ“… Creato 2017-06-19
57
k2-fsa/sherpa

Framework del server Speech-to-text con Kaldi di prossima generazione

k2-fsa
โญ 1,022 C++ ๐Ÿ‘ค k2-fsa Organization ๐Ÿ• Aggiornato 2026-11-21 ๐Ÿ“… Creato 2022-05-20
58
233stone/vocotype-cli

VocoType รจ uno strumento di input vocale privato e sicuro che funziona lato client locale. Con una semplice scorciatoia da tastiera, converte la voce in tempo reale in testo e lo inserisce automaticamente nell'applicazione corrente. Supporta funzioni come MCP per la conversione vocale in testo, ottimizzazione del testo con AI, dizionario di sostituzione personalizzato, conversione di registrazioni audio e video in testo, rendendo l'input vocale piรน efficiente e sicuro.

233stone
โญ 1,016 Python ๐Ÿ‘ค 233stone User ๐Ÿ• Aggiornato 2026-10-14 ๐Ÿ“… Creato 2025-10-13
59
nomily-ai/nomily-app

Assistente per la registrazione vocale con BYOK, trascrizione ASR, diarizzazione dei parlanti, riepiloghi IA e supporto per endpoint ASR locali.

nomily-ai
โญ 1,014 ๐Ÿ‘ค nomily-ai User ๐Ÿ• Aggiornato 2026-11-19 ๐Ÿ“… Creato 2026-08-05
60
freewym/espresso

Espresso: Un Toolkit Veloce per il Riconoscimento Vocale Neurale End-to-End

freewym
โญ 942 Python ๐Ÿ‘ค freewym User ๐Ÿ• Aggiornato 2024-09-04 ๐Ÿ“… Creato 2018-12-02
61
geekwenjie/SmartJavaAI

๐Ÿ”ฅ๐Ÿ”ฅ๐Ÿ”ฅCassetta degli attrezzi di algoritmi IA gratuiti offline per Java, che supporta il riconoscimento facciale, il rilevamento di vitalitร , il riconoscimento delle espressioni, il rilevamento di oggetti, la segmentazione di istanze, il rilevamento di pedoni, il riconoscimento di testo OCR, il riconoscimento targhe, il riconoscimento di tabelle, ASR+TTS, la traduzione automatica e altre funzioni. Utilizzabile tramite riferimento Maven. Supporta PyTorch, Tensorflow e ha integrato modelli mainstream come Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR(PPOCRv5), Whisper, ecc.

geekwenjie
โญ 941 Java ๐Ÿ‘ค geekwenjie User ๐Ÿ• Aggiornato 2026-06-20 ๐Ÿ“… Creato 2025-02-21
62
TheDeathDragon/LiveTranslate

Traduzione audio in tempo reale, cattura audio di sistema + microfono, esegue ASR (Whisper/SenseVoice), traduce tramite API LLM con visualizzazione in streaming. Perfetto per VTuber, streamer e per guardare contenuti stranieri.

TheDeathDragon
โญ 923 Python ๐Ÿ‘ค TheDeathDragon User ๐Ÿ• Aggiornato 2026-08-17 ๐Ÿ“… Creato 2026-03-15
63
hehehai/VoxtMini

Input vocale per macOS con modelli locali: trascrivi, traduci e riscrivi in qualsiasi app. Il successore di Voxt.

hehehai
โญ 916 Go ๐Ÿ‘ค hehehai User ๐Ÿ• Aggiornato 2026-11-21 ๐Ÿ“… Creato 2026-02-26
64
innovatorved/whisper.api

Questo progetto fornisce un'API con supporto per l'accesso a livello utente per trascrivere il parlato in testo utilizzando un modello ASR Whisper messo a punto e processato.

innovatorved
โญ 914 Python ๐Ÿ‘ค innovatorved User ๐Ÿ• Aggiornato 2026-11-20 ๐Ÿ“… Creato 2023-08-12
65
lifeiteng/OmniSenseVoice

Omni SenseVoice: Riconoscimento vocale ad alta velocitร  con timestamp delle parole ๐Ÿ—ฃ๏ธ๐ŸŽฏ

lifeiteng
โญ 897 Python ๐Ÿ‘ค lifeiteng User ๐Ÿ• Aggiornato 2025-12-10 ๐Ÿ“… Creato 2024-09-22
66
BryceWG/BiBi-Keyboard

BiBi Keyboard: tastiera di input vocale con LLM e ASR per la piattaforma Android basata su Kotlin

BryceWG
โญ 896 Kotlin ๐Ÿ‘ค BryceWG User ๐Ÿ• Aggiornato 2026-11-19 ๐Ÿ“… Creato 2025-10-06
67
Spr-Aachen/Easy-Voice-Toolkit

Toolkit user-friendly per riconoscimento/trascrivere/conversione vocale ecc. | Cassetta degli attrezzi vocale semplice e facile da usare

Spr-Aachen
โญ 870 Python ๐Ÿ‘ค Spr-Aachen User ๐Ÿ• Aggiornato 2026-10-25 ๐Ÿ“… Creato 2023-02-09
68
yeyupiaoling/PPASR

Riconoscimento vocale cinese end-to-end basato su PaddlePaddle, dall'introduzione alla pratica, casi di esempio introduttivi super semplici, progetti aziendali super pratici. Supporta i modelli piรน diffusi attualmente: DeepSpeech2, Conformer, Squeezeformer.

yeyupiaoling
โญ 868 Python ๐Ÿ‘ค yeyupiaoling User ๐Ÿ• Aggiornato 2025-12-17 ๐Ÿ“… Creato 2021-02-26
69
zai-org/GLM-ASR

GLM-ASR-Nano: Un modello robusto di riconoscimento vocale open-source con 1,5 miliardi di parametri

zai-org
โญ 864 Python ๐Ÿ‘ค zai-org Organization ๐Ÿ• Aggiornato 2026-03-06 ๐Ÿ“… Creato 2025-12-09
70
aiola-lab/whisper-medusa

Sussurra con teste di Medusa

aiola-lab
โญ 860 Python ๐Ÿ‘ค aiola-lab Organization ๐Ÿ• Aggiornato 2026-07-02 ๐Ÿ“… Creato 2024-07-17
71
AkagawaTsurunaki/ZerolanLiveRobot

VTuber AI con LLM, ASR, TTS, OCR, CV e altre tecnologie per fare streaming in diretta o giocare a Minecraft con te.

AkagawaTsurunaki
โญ 834 Python ๐Ÿ‘ค AkagawaTsurunaki User ๐Ÿ• Aggiornato 2026-04-14 ๐Ÿ“… Creato 2024-03-04
72
TrevorS/voxtral-mini-realtime-rs

Voxtral ASR & TTS in esecuzione nativamente e nel browser. Implementazione Rust di Voxtral mini ASR/TTS in tempo reale di Mistral utilizzando il framework ML Burn

TrevorS
โญ 827 Rust ๐Ÿ‘ค TrevorS User ๐Ÿ• Aggiornato 2026-10-12 ๐Ÿ“… Creato 2026-02-04
โญ 821 Python ๐Ÿ‘ค Tele-AI Organization ๐Ÿ• Aggiornato 2024-06-07 ๐Ÿ“… Creato 2024-05-23
74
Ailln/cn2an

๐Ÿ“ฆ Conversione rapida tra ยซnumeri cinesiยป e ยซnumeri arabiยป ~ (Nuova funzionalitร : frazioni, date, temperature, ecc.๏ผ‰

Ailln
โญ 768 Python ๐Ÿ‘ค Ailln User ๐Ÿ• Aggiornato 2026-04-23 ๐Ÿ“… Creato 2018-05-04
75
yeyupiaoling/PaddlePaddle-DeepSpeech

Riconoscimento vocale implementato basato su PaddlePaddle, riconoscimento vocale in cinese. Il progetto รจ completo, con un buon effetto di riconoscimento. Supporta addestramento e previsione su Windows e Linux, supporta previsione sulla scheda di sviluppo Nvidia Jetson.

yeyupiaoling
โญ 764 Python ๐Ÿ‘ค yeyupiaoling User ๐Ÿ• Aggiornato 2025-12-17 ๐Ÿ“… Creato 2019-11-01
76
FireRedTeam/FireRedASR2S

Un sistema ASR All-in-One di livello industriale SOTA con moduli ASR, VAD, LID e Punc. FireRedASR2 supporta cinese (mandarino, 20+ dialetti/accenti), inglese, code-switching e ASR sia per la voce che per il canto. FireRedVAD supporta voce/canto/musica in 100+ lingue. FireRedLID supporta 100+ lingue e 20+ dialetti cinesi. FireRedPunc supporta cinese e inglese.

FireRedTeam
โญ 745 Python ๐Ÿ‘ค FireRedTeam Organization ๐Ÿ• Aggiornato 2026-06-02 ๐Ÿ“… Creato 2026-02-12
77
Macoron/whisper.unity

Esecuzione del modello speech-to-text (whisper.cpp) in Unity3d sulla tua macchina locale.

Macoron
โญ 730 C# ๐Ÿ‘ค Macoron User ๐Ÿ• Aggiornato 2025-04-17 ๐Ÿ“… Creato 2023-03-26
78
yeyupiaoling/MASR

Un framework Pytorch per il riconoscimento vocale automatico in streaming e non, compatibile sia con il riconoscimento online che offline. Attualmente supporta i modelli Conformer, Squeezeformer e DeepSpeech2, insieme a vari metodi di data augmentation.

yeyupiaoling
โญ 729 Python ๐Ÿ‘ค yeyupiaoling User ๐Ÿ• Aggiornato 2026-07-06 ๐Ÿ“… Creato 2020-07-29
79
openspeech-team/openspeech

Toolkit open source per il riconoscimento vocale end-to-end che sfrutta PyTorch-Lightning e Hydra.

openspeech-team
โญ 715 Python ๐Ÿ‘ค openspeech-team Organization ๐Ÿ• Aggiornato 2026-06-21 ๐Ÿ“… Creato 2021-06-06
80
sofdog-gh/realtime-transcription-fastrtc

Trascrizione vocale in tempo reale con FastRTC โšก๏ธ e Whisper locale ๐Ÿค—

sofdog-gh
โญ 700 Python ๐Ÿ‘ค sofdog-gh User ๐Ÿ• Aggiornato 2025-07-10 ๐Ÿ“… Creato 2025-03-01
81
vilassn/whisper_android

Riconoscimento vocale offline con OpenAI Whisper e TensorFlow Lite per Android

vilassn
โญ 693 C++ ๐Ÿ‘ค vilassn User ๐Ÿ• Aggiornato 2026-03-18 ๐Ÿ“… Creato 2023-08-26
82
DmitryRyumin/INTERSPEECH-2023-24-Papers

Pubblicazioni INTERSPEECH 2023-2024: Una raccolta completa di ricerche influenti ed entusiasmanti dalla conferenza INTERSPEECH 2023-24. Esplora gli ultimi progressi nell'elaborazione del parlato e del linguaggio. Codice incluso. Metti una stella al repository per supportare l'avanzamento della tecnologia vocale!

DmitryRyumin
โญ 683 ๐Ÿ‘ค DmitryRyumin User ๐Ÿ• Aggiornato 2024-12-25 ๐Ÿ“… Creato 2023-06-26
โญ 677 Python ๐Ÿ‘ค yinruiqing User ๐Ÿ• Aggiornato 2025-09-24 ๐Ÿ“… Creato 2022-11-09
84
Picovoice/cheetah

Motore di trascrizione vocale in streaming on-device alimentato dall'apprendimento profondo

Picovoice
โญ 672 Python ๐Ÿ‘ค Picovoice Organization ๐Ÿ• Aggiornato 2026-11-12 ๐Ÿ“… Creato 2018-10-28
85
zenstory-ai/video-recap-skills

Pacchetto di competenze per agenti IA per video narrati: taglia automaticamente le scene, analizza le immagini per scrivere il testo della narrazione, aggiunge la voce fuori campo e mixa lโ€™audio per creare il video finale; consente di esportare bozze per Jianying/CapCut, senza GPU | Competenze per agenti dedicate ai riepiloghi video narrati e alle bozze CapCut

zenstory-ai
โญ 649 Python ๐Ÿ‘ค zenstory-ai Organization ๐Ÿ• Aggiornato 2026-11-20 ๐Ÿ“… Creato 2026-05-02
86
huggingface/optimum-intel

๐Ÿค— Optimum Intel: Accelera l'inferenza con gli strumenti di ottimizzazione Intel

huggingface
โญ 631 Jupyter Notebook ๐Ÿ‘ค huggingface Organization ๐Ÿ• Aggiornato 2026-11-21 ๐Ÿ“… Creato 2022-05-25
87
zw76859420/ASR_Theory

Teoria del riconoscimento vocale, articoli e PPT

zw76859420
โญ 616 ๐Ÿ‘ค zw76859420 User ๐Ÿ• Aggiornato 2024-08-07 ๐Ÿ“… Creato 2019-01-26
88
Moyf/moys-asr-workflow

La postazione di sottotitolazione di Amo: flusso di lavoro di trascrizione dei sottotitoli ASR di Moy (in breve MAW)

Moyf
โญ 610 JavaScript ๐Ÿ‘ค Moyf User ๐Ÿ• Aggiornato 2026-11-21 ๐Ÿ“… Creato 2026-07-26
89
HiMeditator/auto-caption

Un software per la visualizzazione di sottotitoli in tempo reale multipiattaforma.

HiMeditator
โญ 610 TypeScript ๐Ÿ‘ค HiMeditator User ๐Ÿ• Aggiornato 2026-10-14 ๐Ÿ“… Creato 2025-05-11
90
RapidAI/RapidASR

๐Ÿ“ฃ Libreria open-source di riconoscimento vocale automatico di livello commerciale, pronta all'uso, supportata su tutte le piattaforme, riconoscimento misto cinese-inglese. Un'implementazione multipiattaforma di inferenza ASR. Si basa su ONNXRuntime e FunASR. Forniamo una serie di API piรน semplici per chiamare modelli ASR.

RapidAI
โญ 593 C++ ๐Ÿ‘ค RapidAI Organization ๐Ÿ• Aggiornato 2024-05-15 ๐Ÿ“… Creato 2021-12-15
91
second-state/echokit_server

Piattaforma di Agenti Vocali Open Source

second-state
โญ 591 Rust ๐Ÿ‘ค second-state Organization ๐Ÿ• Aggiornato 2026-02-15 ๐Ÿ“… Creato 2025-02-26
92
SAOS-3624/dsh-video-storyboard

Storyboard con riconoscimento delle scene per DeepSeek Harness: da 9 a 16 riquadri numerati con timestamp + trascrizione + inviluppo audio, raccolti in UN'UNICA immagine (384 token). Due strumenti: video_storyboard e video_zoom.

SAOS-3624
โญ 585 JavaScript ๐Ÿ‘ค SAOS-3624 User ๐Ÿ• Aggiornato 2026-11-21 ๐Ÿ“… Creato 2026-10-26
93
wildminder/awesome-ai-voice

Elenco di modelli open source per la sintesi vocale (TTS), la clonazione della voce e la generazione musicale

wildminder
โญ 562 ๐Ÿ‘ค wildminder User ๐Ÿ• Aggiornato 2026-11-04 ๐Ÿ“… Creato 2026-03-10
94
PiSugar/whisplay-ai-chatbot

Chatbot AI tascabile costruito con un RPI Zero 2w / 5

PiSugar
โญ 545 TypeScript ๐Ÿ‘ค PiSugar Organization ๐Ÿ• Aggiornato 2026-11-19 ๐Ÿ“… Creato 2025-05-07
95
SpeechColab/Leaderboard

SpeechIO Leaderboard: una piattaforma di benchmarking ampia, robusta e completa per il riconoscimento vocale automatico.

SpeechColab
โญ 545 Python ๐Ÿ‘ค SpeechColab User ๐Ÿ• Aggiornato 2025-03-29 ๐Ÿ“… Creato 2021-02-07
96
kouhxp/yapsnap

Trascrivi qualsiasi URL video o file audio in testo semplice. Nessuna GPU. Nessun cloud. Un solo comando.

kouhxp
โญ 538 Python ๐Ÿ‘ค kouhxp User ๐Ÿ• Aggiornato 2026-09-15 ๐Ÿ“… Creato 2026-05-20
97
shashikg/WhisperS2T

Una pipeline ottimizzata da parlato a testo per il modello Whisper che supporta piรน motori di inferenza

shashikg
โญ 534 Jupyter Notebook ๐Ÿ‘ค shashikg User ๐Ÿ• Aggiornato 2024-08-27 ๐Ÿ“… Creato 2023-12-16
98
ccoreilly/vosk-browser

Una libreria di riconoscimento vocale in esecuzione nel browser grazie a una build WebAssembly di Vosk

ccoreilly
โญ 531 JavaScript ๐Ÿ‘ค ccoreilly User ๐Ÿ• Aggiornato 2025-12-07 ๐Ÿ“… Creato 2021-02-19
99
DmitryRyumin/ICASSP-2023-24-Papers

Articoli ICASSP 2023-2024: Una raccolta completa di ricerche influenti ed entusiasmanti dalle conferenze ICASSP 2023-24. Esplora gli ultimi progressi nell'acustica, nel parlato e nell'elaborazione dei segnali. Codice incluso. Segui il repository per supportare il progresso dell'elaborazione audio e dei segnali!

DmitryRyumin
โญ 527 Python ๐Ÿ‘ค DmitryRyumin User ๐Ÿ• Aggiornato 2025-05-05 ๐Ÿ“… Creato 2023-08-01
100
nyosegawa/speech.cpp

Sintesi vocale, riconoscimento vocale e rilevamento dellโ€™attivitร  vocale per conversazioni vocali, in C++ su ggml: Qwen3-TTS, Irodori-TTS, Qwen3-ASR, ReazonSpeech, parakeet e Silero VAD su Metal, Vulkan e CPU, con un server compatibile con OpenAI e trascrizione in tempo reale.

nyosegawa
โญ 510 C++ ๐Ÿ‘ค nyosegawa User ๐Ÿ• Aggiornato 2026-11-20 ๐Ÿ“… Creato 2026-09-29