#speaker-diarization Repository
Scopri 28 repository GitHub open source attivi contrassegnati con #speaker-diarization, che raccolgono un totale di 125,249 stelle (con una media di 4,473 stelle per progetto). Il progetto leader di questo argomento è modelscope/FunASR, con 21,091 stelle.
28 repository in totale
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.
Trascrizione vocale in tempo reale e locale con ASR in streaming, diarizzazione dei parlanti, traduzione e API compatibili con OpenAI/Deepgram.
Scarica video e audio da oltre 1.000 siti, trascrivili localmente con le etichette dei parlanti e riassumi, traduci o chatta sui tuoi contenuti multimediali con il provider di IA che preferisci.
Blocchi di costruzione neurali per la diarizzazione del parlante: rilevamento dell'attività vocale, rilevamento del cambio di parlante, rilevamento del discorso sovrapposto, embedding del parlante
Riconoscimento vocale automatico con diarizzazione del parlante basato su OpenAI Whisper
Speakr è un'applicazione web personale e self-hosted progettata per trascrivere registrazioni audio
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.
Un repository per la verifica dell'oratore, il riconoscimento dell'oratore e la diarizzazione dell'oratore singola e multimodale
Riconoscimento vocale automatico multilingue con timestamp a livello di parola e confidenza
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
Un pacchetto Python per creare applicazioni audio in tempo reale potenziate dall'IA
Un elenco curato di eccellenti articoli, librerie, dataset e altre risorse su Speaker Diarization.
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.
Questa è la libreria per l'algoritmo Unbounded Interleaved-State Recurrent Neural Network (UIS-RNN), corrispondente al paper Fully Supervised Speaker Diarization.
Toolkit orientato alla ricerca e alla produzione per la verifica, il riconoscimento e la diarizzazione del parlante
Toolkit vocale IA per Apple Silicon — ASR, TTS, voce-su-voce, VAD e diarizzazione alimentati da MLX e CoreML
Uno strumento GUI per la trascrizione offline di registrazioni vocali, inclusa la diarizzazione dell'oratore, che utilizza modelli di machine learning all'avanguardia.
servizio di trascrizione e diarizzazione offline self-hosted chiavi in mano con riepilogo LLM
Software all-in-one per la generazione automatica di sottotitoli; copre l'intero processo di download, trascrizione, traduzione e hardcoding, senza alcun intervento manuale.
Può essere distribuito localmente in rete privata, uno strumento di trascrizione e riepilogo vocale per team/organizzazioni, codice completo frontend e backend
Reimplementazione in Python degli algoritmi di clustering spettrale (vincolati) utilizzati nei paper di Google sulla diarizzazione degli speaker.
Domande frequenti
Qual è il repository #speaker-diarization più popolare su GitHub?
Il progetto open source #speaker-diarization più alto in classifica su GitHub è modelscope/FunASR, con 21,091 stelle. 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.
Quali linguaggi di programmazione sono più utilizzati nei repository #speaker-diarization?
Tra i progetti #speaker-diarization più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, TypeScript, Swift, Jupyter Notebook.
Come viene calcolata la classifica dei repository #speaker-diarization?
Monitoriamo 28 repository open source attivi contrassegnati con #speaker-diarization (500+ stelle), per un totale di 125,249 stelle e una media di 4,473 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.