#speech-recognition Repository
Scopri 204 repository GitHub open source attivi contrassegnati con #speech-recognition, che raccolgono un totale di 889,741 stelle (con una media di 4,361 stelle per progetto). Il progetto leader di questo argomento è huggingface/transformers, con 169,339 stelle.
206 repository in totale
🤗 Transformers: il framework di definizione dei modelli per modelli di machine learning all'avanguardia in testo, visione, audio e modelli multimodali, sia per l'inferenza che per l'addestramento.
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.
API di riconoscimento vocale offline per Android, iOS, Raspberry Pi e server con Python, Java, C# e Node
Script di deep learning all'avanguardia organizzati per modelli - facili da addestrare e distribuire con accuratezza e prestazioni riproducibili su infrastruttura di livello enterprise.
Gradio WebUI per creatori e sviluppatori, con le principali funzionalità TTS (Edge-TTS, kokoro) e Voice Cloning zero-shot (E2 & F5-TTS, CosyVoice), con elaborazione audio Whisper, download da YouTube, isolamento vocale Demucs e traduzione multilingue.
Immergiti in Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision e NLP imparando da queste lezioni entusiasmante!!
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.
OpenVINO™ è un toolkit open source per l'ottimizzazione e il deployment dell'inferenza AI.
Trascrizione vocale in tempo reale e locale con ASR in streaming, diarizzazione dei parlanti, traduzione e API compatibili con OpenAI/Deepgram.
Modello SenseVoiceSmall open source per ASR in mandarino, cantonese, inglese, giapponese e coreano, identificazione della lingua, riconoscimento delle emozioni e rilevamento di eventi audio.
Modulo di riconoscimento vocale per Python, con supporto per diversi motori e API, online e offline.
Una libreria text-to-speech (TTS), speech-to-text (STT) e speech-to-speech (STS) basata sul framework MLX di Apple, che fornisce un'efficiente analisi vocale su Apple Silicon.
Strumento di trascrizione video, generazione di sottotitoli e clipping assistito da LLM basato su FunASR con interfaccia utente Gradio locale.
Toolkit per il riconoscimento automatico della voce di Facebook AI Research
Riconoscimento vocale automatico con diarizzazione del parlante basato su OpenAI Whisper
Produzione prima e pacchetto di riconoscimento vocale end-to-end pronto per la produzione
Rilevamento della parola di risveglio sul dispositivo alimentato dall'apprendimento profondo
Strumento da riconoscimento vocale a testo / Uno strumento locale offline per la conversione di sottotitoli audio/video, che produce sottotitoli in formato JSON, SRT e testo semplice
Implementazione JAX del modello Whisper di OpenAI per un'accelerazione fino a 70 volte su TPU.
Variante distillata di Whisper per il riconoscimento vocale. 6 volte più veloce, 50% più piccola, entro l'1% di tasso di errore di parola.
Qwen3-ASR è una serie di modelli ASR open-source sviluppati dal team Qwen di Alibaba Cloud, in grado di supportare un riconoscimento stabile della voce/musica/canzone multilingue, la rilevazione della lingua e la previsione dei timestamp.
Sistema di Conversazione con Avatar Digitale - Linly-Talker. 😄✨ Linly-Talker è un sistema AI intelligente che combina modelli linguistici di grandi dimensioni (LLM) con modelli visivi per creare un nuovo metodo di interazione uomo-AI. 🤝🤖 Integra varie tecnologie come Whisper, Linly, Microsoft Speech Services e il sistema di generazione di teste parlanti SadTalker. 🌟🔬
Codice di esempio per il Microsoft Cognitive Services Speech SDK
Un runtime vocale in tempo reale che mantiene gli agenti in grado di parlare, lavorare e rimanere presenti. Runtime vocale in tempo reale per agenti IA
Eseguibili standalone Whisper & Faster-Whisper per coloro che non vogliono preoccuparsi di Python.
Alternativa open source, locale e self-hosted agli assistenti vocali concorrenti di Amazon Echo/Google Home
Trasforma audio e video in sottotitoli con un'interfaccia web facile da usare. Tutto viene eseguito sul tuo dispositivo. In precedenza Whishper.
Questo è un progetto di traduzione video (audio) completamente automatico. Utilizza Whisper per riconoscere la voce, modelli AI di grandi dimensioni per tradurre i sottotitoli e infine unisce sottotitoli e video per generare video tradotti.
Un framework open-source per il rilevamento di parole (o frasi) audio di attivazione, con un focus su prestazioni e semplicità.
Riconoscimento vocale automatico multilingue con timestamp a livello di parola e confidenza
Domande frequenti
Qual è il repository #speech-recognition più popolare su GitHub?
Il progetto open source #speech-recognition più alto in classifica su GitHub è huggingface/transformers, con 169,339 stelle. 🤗 Transformers: il framework di definizione dei modelli per modelli di machine learning all'avanguardia in testo, visione, audio e modelli multimodali, sia per l'inferenza che per l'addestramento.
Quali linguaggi di programmazione sono più utilizzati nei repository #speech-recognition?
Tra i progetti #speech-recognition più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, C++, TypeScript.
Come viene calcolata la classifica dei repository #speech-recognition?
Monitoriamo 204 repository open source attivi contrassegnati con #speech-recognition (500+ stelle), per un totale di 889,741 stelle e una media di 4,361 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.