#automatic-speech-recognition Repository
Scopri 42 repository GitHub open source attivi contrassegnati con #automatic-speech-recognition, che raccolgono un totale di 118,799 stelle (con una media di 2,828 stelle per progetto). Il progetto leader di questo argomento è Vaibhavs10/insanely-fast-whisper, con 13,052 stelle.
42 repository in totale
Modelli Fondamentali per la Traduzione Vocale e Testuale all'Avanguardia
Trascrizione vocale in tempo reale e locale con ASR in streaming, diarizzazione dei parlanti, traduzione e API compatibili con OpenAI/Deepgram.
Inferenza GPGPU ad alte prestazioni del modello Whisper di OpenAI per il riconoscimento automatico del parlato (ASR)
Produzione prima e pacchetto di riconoscimento vocale end-to-end pronto per la produzione
Kimi-Audio, un modello di fondazione audio open-source eccellente nella comprensione, generazione e conversazione audio
[NON PIÙ MANTENUTO] Utilità da riga di comando per la generazione automatica di sottotitoli per qualsiasi file video
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.
Strumento AI per doppiaggio/traduzione video multilingue intelligente - Linly-Dubbing — “AI abilitata, lingue senza confini”
[AutoArk] GPA (General Purpose Audio) può eseguire ASR, TTS e conversione vocale con un unico modello minuscolo!
Riconoscimento vocale multilingue open-source Omnilingual ASR per oltre 1600 lingue
🐸STT - Il toolkit di deep learning per Speech-to-Text. L'addestramento e il deployment di modelli STT non sono mai stati così facili.
Rilevatore di attività vocale (VAD): bassa latenza, alte prestazioni e leggero
Un modello da 0,9B per la trascrizione di contenuti lunghi in oltre 50 lingue, con diarizzazione dei parlanti, timestamp e riconoscimento degli eventi acustici
Il repository ufficiale della chat Qwen2-Audio e del modello linguistico audio di grandi dimensioni preaddestrato proposto da Alibaba Cloud.
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.
Step-Audio 2 è un modello linguistico di grandi dimensioni multimodale end-to-end progettato per la comprensione audio e la conversazione vocale di livello industriale.
Genera sottotitoli automaticamente utilizzando il modello OpenAI Whisper tramite Jellyfin, Plex, Emby, Tautulli o Bazarr
Toolkit Python ufficiale per l'API Qwen3-ASR. Chiamate parallele ad alto throughput, trascrizione audio robusta per file lunghi, supporto per frequenze di campionamento multiple.
:zap: TensorFlowASR: Quasi all'avanguardia nel riconoscimento vocale automatico in Tensorflow 2. Lingue supportate che possono utilizzare caratteri o sottoparole
Un'implementazione dei modelli Parakeet di Nvidia per Apple Silicon utilizzando MLX.
Valuti il vostro sistema di riconoscimento vocale con misure di similarità come il tasso di errore di parole (WER)
Omni SenseVoice: Riconoscimento vocale ad alta velocità con timestamp delle parole 🗣️🎯
Dolphin è un modello ASR multilingue e multi-task addestrato congiuntamente da DataoceanAI e dalla Tsinghua University.
Raccolta di risorse sulle applicazioni dei Large Language Models (LLM) in Audio AI.
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.
Trascrizione vocale in tempo reale con FastRTC ⚡️ e Whisper locale 🤗
Riconoscimento vocale offline con OpenAI Whisper e TensorFlow Lite per Android
✨✨[NeurIPS 2025] VITA-Audio: Generazione Veloce di Token Cross-Modali Interfoliati per un Efficiente Modello Linguistico-Vocale di Grandi Dimensioni
Motore di trascrizione vocale in streaming on-device alimentato dall'apprendimento profondo
È possibile avviare la registrazione premendo il pulsante Opzione e terminarla rilasciandolo, quindi chiamare il modello Groq Whisper Large V3 Turbo per la trascrizione. Poiché Groq è molto veloce, la maggior parte degli input vocali viene restituita entro 1-2 secondi. E grazie alle potenti capacità di Whisper, l'effetto di trascrizione è molto buono.
Un sistema client-server leggero per l'elaborazione audio in tempo reale con rilevamento dell'attività vocale (VAD) e riconoscimento vocale automatico (ASR).
Domande frequenti
Qual è il repository #automatic-speech-recognition più popolare su GitHub?
Il progetto open source #automatic-speech-recognition più alto in classifica su GitHub è Vaibhavs10/insanely-fast-whisper, con 13,052 stelle.
Quali linguaggi di programmazione sono più utilizzati nei repository #automatic-speech-recognition?
Tra i progetti #automatic-speech-recognition più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, C++, Swift.
Come viene calcolata la classifica dei repository #automatic-speech-recognition?
Monitoriamo 42 repository open source attivi contrassegnati con #automatic-speech-recognition (500+ stelle), per un totale di 118,799 stelle e una media di 2,828 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.