Git Stars Git Stars

#speaker-recognition Repository

Scopri 10 repository GitHub open source attivi contrassegnati con #speaker-recognition, che raccolgono un totale di 51,818 stelle (con una media di 5,181 stelle per progetto). Il progetto leader di questo argomento è NVIDIA-NeMo/Speech, con 18,775 stelle.

10
Totale Repository
51,818
Totale stelle
5,181
Media Stelle/Repo
Linguaggi di programmazione: Python Jupyter Notebook Swift

10 repository in totale

1
NVIDIA-NeMo/Speech

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)

NVIDIA-NeMo
⭐ 18,775 Python 👤 NVIDIA-NeMo Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2019-08-05
2
speechbrain/speechbrain

Un toolkit vocale basato su PyTorch

speechbrain
⭐ 11,946 Python 👤 speechbrain Organization 🕐 Aggiornato 2026-10-14 📅 Creato 2020-04-28
3
pyannote/pyannote-audio

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

pyannote
⭐ 10,821 Jupyter Notebook 👤 pyannote Organization 🕐 Aggiornato 2026-11-19 📅 Creato 2016-03-07
4
FluidInference/FluidAudio

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.

FluidInference
⭐ 3,319 Swift 👤 FluidInference Organization 🕐 Aggiornato 2026-11-19 📅 Creato 2025-06-21
5
google/uis-rnn

Questa è la libreria per l'algoritmo Unbounded Interleaved-State Recurrent Neural Network (UIS-RNN), corrispondente al paper Fully Supervised Speaker Diarization.

google
⭐ 1,588 Python 👤 google Organization 🕐 Aggiornato 2024-09-25 📅 Creato 2018-10-23
6
wenet-e2e/wespeaker

Toolkit orientato alla ricerca e alla produzione per la verifica, il riconoscimento e la diarizzazione del parlante

wenet-e2e
⭐ 1,475 Python 👤 wenet-e2e Organization 🕐 Aggiornato 2026-09-22 📅 Creato 2021-09-28
7
yeyupiaoling/VoiceprintRecognition-Pytorch

Questo progetto utilizza una varietà di modelli avanzati di riconoscimento vocale come EcapaTdnn, ResNetSE, ERes2Net, CAM++ ecc. Non si esclude che in futuro verranno supportati altri modelli. Allo stesso tempo, questo progetto supporta anche i metodi di pre-elaborazione dei dati MelSpectrogram e Spectrogram.

yeyupiaoling
⭐ 1,325 Python 👤 yeyupiaoling User 🕐 Aggiornato 2026-09-15 📅 Creato 2021-06-28
8
clovaai/voxceleb_trainer

A difesa dell'apprendimento metrico per il riconoscimento del parlante

clovaai
⭐ 1,176 Python 👤 clovaai Organization 🕐 Aggiornato 2026-04-22 📅 Creato 2020-03-26
9
TaoRuijie/ECAPA-TDNN

Reimplementazione non ufficiale di ECAPA-TDNN per il riconoscimento del parlante (EER=0,86 per Vox1_O con addestramento solo in Vox2)

TaoRuijie
⭐ 772 Python 👤 TaoRuijie User 🕐 Aggiornato 2024-04-11 📅 Creato 2021-10-25
10
Snowdar/asv-subtools

Strumenti Open Source per il Riconoscimento Vocale

Snowdar
⭐ 633 Python 👤 Snowdar User 🕐 Aggiornato 2024-08-05 📅 Creato 2020-03-02

Domande frequenti

1

Qual è il repository #speaker-recognition più popolare su GitHub?

Il progetto open source #speaker-recognition più alto in classifica su GitHub è NVIDIA-NeMo/Speech, con 18,775 stelle. 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)

2

Quali linguaggi di programmazione sono più utilizzati nei repository #speaker-recognition?

Tra i progetti #speaker-recognition più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, Swift.

3

Come viene calcolata la classifica dei repository #speaker-recognition?

Monitoriamo 10 repository open source attivi contrassegnati con #speaker-recognition (500+ stelle), per un totale di 51,818 stelle e una media di 5,181 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.