#voice-activity-detection Repository
Scopri 34 repository GitHub open source attivi contrassegnati con #voice-activity-detection, che raccolgono un totale di 106,805 stelle (con una media di 3,141 stelle per progetto). Il progetto leader di questo argomento è modelscope/FunASR, con 21,091 stelle.
35 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.
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
[NON PIÙ MANTENUTO] Utilità da riga di comando per la generazione automatica di sottotitoli per qualsiasi file video
Whisper streaming in tempo reale per la trascrizione e la traduzione da voce a testo di lunghi discorsi
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.
L'alternativa open source a Cluely - Un assistente AI fulmineo e incentrato sulla privacy che funziona perfettamente durante riunioni, interviste e conversazioni senza che nessuno se ne accorga. Costruito con Tauri per prestazioni native, solo 10 MB. Completamente non rilevabile nelle videochiamate, condivisioni dello schermo e registrazioni.
Rilevatore di attività vocale (VAD): bassa latenza, alte prestazioni e leggero
Trascrizione, allineamento forzato e indicizzazione audio con Whisper di OpenAI
🔊 Un elenco completo di set di dati open-source per l'elaborazione vocale e sonora (oltre 95 set di dati).
Un pacchetto Python per creare applicazioni audio in tempo reale potenziate dall'IA
Riconoscimento vocale in tempo reale e rilevamento dell'attività vocale (VAD) utilizzando Kaldi di nuova generazione con ncnn senza connessione Internet. Supporto per iOS, Android, Linux, macOS, Windows, Raspberry Pi, VisionFive2, LicheePi4A ecc.
💎 Un elenco di corpora vocali accessibili per ASR, TTS e altre tecnologie vocali
Toolkit vocale IA per Apple Silicon — ASR, TTS, voce-su-voce, VAD e diarizzazione alimentati da MLX e CoreML
Questo è un sistema di interazione vocale basato su un modello open-source, che integra ASR, LLM e TTS in sequenza. Il modello ASR è SenceVoice, i modelli LLM sono QWen2.5-0.5B/1.5B e ci sono tre modelli TTS: CosyVoice, Edge-TTS e pyttsx3
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.
Toolkit per la segmentazione audio basato su CNN. Consente di rilevare discorso, musica, rumore e genere del parlante. È stato progettato per studi su larga scala sull'uguaglianza di genere basati sul tempo di parola per genere.
Dolphin è un modello ASR multilingue e multi-task addestrato congiuntamente da DataoceanAI e dalla Tsinghua University.
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.
Una rilevazione dell'attività vocale e rilevazione di eventi audio di livello industriale SOTA, che supporta oltre 100 lingue, superando Silero-VAD, TEN-VAD, FunASR-VAD e WebRTC-VAD
Server API e websocket per sensevoice. Ha ereditato alcune funzionalità avanzate, come il rilevamento VAD, il riconoscimento in streaming in tempo reale e la verifica dell'oratore.
Una pipeline ottimizzata da parlato a testo per il modello Whisper che supporta più motori di inferenza
Sintesi vocale, riconoscimento vocale e rilevamento dell’attività 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.
Sincronizza e traduci automaticamente i sottotitoli, oppure creane di nuovi trascrivendoli, utilizzando DNN pre‑addestrati, allineamenti forzati e Transformers. https://subaligner.readthedocs.io/
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 #voice-activity-detection più popolare su GitHub?
Il progetto open source #voice-activity-detection 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 #voice-activity-detection?
Tra i progetti #voice-activity-detection più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, C, C++, Jupyter Notebook.
Come viene calcolata la classifica dei repository #voice-activity-detection?
Monitoriamo 34 repository open source attivi contrassegnati con #voice-activity-detection (500+ stelle), per un totale di 106,805 stelle e una media di 3,141 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.