Git Stars Git Stars

#asr リポジトリ

#asrのタグが付いた、GitHub上の100件のアクティブなオープンソースリポジトリをご覧ください。合計スター数は289,141個で、プロジェクトあたりの平均は2,891個です。このトピックをリードしているのは、25,556個のスターを獲得しているm-bain/whisperXです。

100
リポジトリ総数
289,141
合計スター数
2,891
リポジトリあたりの平均スター数

リポジトリ合計101件

1
m-bain/whisperX

WhisperX: 単語レベルのタイムスタンプ(&話者分離)を備えた自動音声認識

m-bain
⭐ 25,556 Python 👤 m-bain User 🕐 更新日時 2026-11-21 📅 作成日 2022-12-09
2
modelscope/FunASR

トレーニング、推論、ストリーミングASR、VAD、句読点、話者ダイアライゼーションパイプライン、OpenAI互換/MCPサービングのためのオープンソース音声認識ツールキット。

modelscope
⭐ 21,091 Python 👤 modelscope Organization 🕐 更新日時 2026-11-21 📅 作成日 2022-11-24
3
NVIDIA-NeMo/Speech

大規模言語モデル、マルチモーダル、および音声AI(自動音声認識とテキスト-to-スピーチ)を扱う研究者と開発者のために構築されたスケーラブルな生成AIフレームワーク

NVIDIA-NeMo
⭐ 18,775 Python 👤 NVIDIA-NeMo Organization 🕐 更新日時 2026-11-21 📅 作成日 2019-08-05
4
k2-fsa/sherpa-onnx

次世代Kaldiとonnxruntimeを使用したインターネット接続なしでの音声認識、音声合成、話者分離、音声強調、ソース分離、およびVAD。組み込みシステム、Android、iOS、HarmonyOS、Raspberry Pi、RISC-V、RK NPU、Axera NPU、Ascend NPU、x86_64サーバー、websocketサーバー/クライアントをサポートし、12のプログラミング言語に対応

k2-fsa
⭐ 16,076 C++ 👤 k2-fsa Organization 🕐 更新日時 2026-11-21 📅 作成日 2022-09-01
5
alphacep/vosk-api

Android、iOS、Raspberry Pi およびサーバー向けのオフライン音声認識 API (Python、Java、C#、Node 対応)

alphacep
⭐ 15,278 Jupyter Notebook 👤 alphacep Organization 🕐 更新日時 2026-10-15 📅 作成日 2019-09-03
6
PaddlePaddle/PaddleSpeech

使いやすい音声ツールキットで、自己教師あり学習モデル、句読点付きSOTA/ストリーミングASR、テキストフロントエンド付きストリーミングTTS、話者検証システム、エンドツーエンド音声翻訳、およびキーワード検出を含む。NAACL2022 Best Demo Awardを受賞。

PaddlePaddle
⭐ 12,713 Python 👤 PaddlePaddle Organization 🕐 更新日時 2026-08-12 📅 作成日 2017-11-14
7
speechbrain/speechbrain

PyTorchベースの音声ツールキット

speechbrain
⭐ 11,946 Python 👤 speechbrain Organization 🕐 更新日時 2026-10-14 📅 作成日 2020-04-28
8
QwenAudio/SenseVoice

オープンソースのSenseVoiceSmallモデル。北京語、広東語、英語、日本語、韓国語のASR、言語識別、感情認識、音声イベント検出に対応。

QwenAudio
⭐ 9,797 C 👤 QwenAudio Organization 🕐 更新日時 2026-09-30 📅 作成日 2024-07-03
9
jdepoix/youtube-transcript-api

これは、指定されたYouTube動画のトランスクリプト/字幕を取得できるPython APIです。自動生成された字幕にも対応しており、他のSeleniumベースのソリューションのようにAPIキーやヘッドレスブラウザは必要ありません!

jdepoix
⭐ 8,644 Python 👤 jdepoix User 🕐 更新日時 2026-11-09 📅 作成日 2018-04-20
10
wzpan/wukong-robot

🤖 wukong-robot は、シンプルで柔軟でエレガントな中国語音声対話ロボット/スマートスピーカープロジェクトで、ChatGPTの多輪対話機能をサポートし、脳機インターフェースをサポートする最初のオープンソーススマートスピーカープロジェクトである可能性があります。

wzpan
⭐ 7,063 Python 👤 wzpan User 🕐 更新日時 2024-10-25 📅 作成日 2019-01-16
11
modelscope/FunClip

FunASRを活用した動画文字起こし、字幕生成、およびLLM支援型クリッピングツール(ローカルGradio UI付き)。

modelscope
⭐ 6,613 Python 👤 modelscope Organization 🕐 更新日時 2026-11-01 📅 作成日 2023-05-17
12
MahmoudAshraf97/whisper-diarization

OpenAI Whisperに基づく話者分離による自動音声認識

MahmoudAshraf97
⭐ 5,676 Jupyter Notebook 👤 MahmoudAshraf97 User 🕐 更新日時 2026-08-15 📅 作成日 2023-01-25
13
xiangyuecn/Recorder

HTML5 JS 録音 MP3 WAV OGG WebM AMR G711A G711U 形式、PC、Android、iOS一部のWebブラウザ、Hybrid App(Android iOS Appソースコード提供)、WeChat対応、ASR音声認識文字変換 H5版音声通話チャットサンプル DTMF符号化復号化

xiangyuecn
⭐ 5,642 JavaScript 👤 xiangyuecn User 🕐 更新日時 2026-07-30 📅 作成日 2018-05-16
14
wenet-e2e/wenet

生産先行・生産準備完了エンドツーエンド音声認識ツールキット

wenet-e2e
⭐ 5,258 Python 👤 wenet-e2e Organization 🕐 更新日時 2026-10-26 📅 作成日 2020-11-17
15
umlx5h/LLPlayer

デュアル字幕、AI生成字幕、リアルタイム翻訳などを備えた語学学習用メディアプレーヤー!

umlx5h
⭐ 4,779 C# 👤 umlx5h User 🕐 更新日時 2026-11-05 📅 作成日 2025-01-31
16
0xShug0/audio.cpp

ggmlを搭載した、オールインワンの純粋なC++オーディオモデル推論エンジン。TTS、STT、VAD、音声変換、音楽生成などをサポートし、高度に最適化されたパフォーマンスを実現。Python依存なし。

0xShug0
⭐ 4,385 C++ 👤 0xShug0 User 🕐 更新日時 2026-11-21 📅 作成日 2026-06-23
17
Open-Less/openless

キーを押して話して離す — AIで磨かれたテキストが任意のアプリのカーソル位置に現れます。macOS & Windows向けオープンソース音声入力。

Open-Less
⭐ 4,148 Rust 👤 Open-Less Organization 🕐 更新日時 2026-11-21 📅 作成日 2026-04-27
18
PeterH0323/Streamer-Sales

Streamer-Sales 販売の王 —— 販売ストリーマーLLM大規模モデル🛒🎁、与えられた商品の特徴に基づいてユーザーの購入意欲を刺激する観点から商品の解説ができる販売ストリーマー大規模モデルです。🚀⭐ 詳細なデータ生成プロセスが含まれています❗ 📦 また、LMDeployによる推論高速化🚀、RAG検索拡張生成📚、TTSテキスト読み上げ🔊、アバター生成🦸、Webでのリアルタイム情報検索のためのAgent利用🌐、ASR音声テキスト変換🎙️、Vueエコシステム構築フロントエンド🍍、FastAPI構築バックエンド🗝️、Docker-composeによるパッケージングとデプロイメント🐋が統合されています。

PeterH0323
⭐ 3,695 Python 👤 PeterH0323 User 🕐 更新日時 2025-03-08 📅 作成日 2024-04-05
19
ahmetoner/whisper-asr-webservice

OpenAI Whisper ASR WebサービスAPI

ahmetoner
⭐ 3,370 Python 👤 ahmetoner User 🕐 更新日時 2026-10-01 📅 作成日 2022-09-22
20
FluidInference/FluidAudio

アプリで Frontier CoreML オーディオモデルを使用 — テキスト読み上げ、音声認識、音声アクティビティ検出、話者分離。Swift で、SOTA オープンソースにより実現。

FluidInference
⭐ 3,319 Swift 👤 FluidInference Organization 🕐 更新日時 2026-11-19 📅 作成日 2025-06-21
21
Purfview/whisper-standalone-win

Python を気にせずに済む、Whisper & Faster-Whisper のスタンドアロン実行可能ファイル。

Purfview
⭐ 3,229 👤 Purfview User 🕐 更新日時 2025-11-07 📅 作成日 2023-02-25
22
AutoArk/GPA

[AutoArk] GPA (General Purpose Audio) は、たった一つの小さなモデルで ASR(音声認識)、TTS(音声合成)、音声変換を実現します!

AutoArk
⭐ 3,054 Python 👤 AutoArk Organization 🕐 更新日時 2026-05-25 📅 作成日 2025-12-16
23
CheshireCC/faster-whisper-GUI

PySide6によるfaster_whisper GUI

CheshireCC
⭐ 2,999 Python 👤 CheshireCC User 🕐 更新日時 2026-08-25 📅 作成日 2023-07-18
⭐ 2,868 Python 👤 tensorflow Organization 🕐 更新日時 2026-10-29 📅 作成日 2018-07-24
25
linto-ai/whisper-timestamped

単語レベルのタイムスタンプと信頼度を備えた多言語音声自動認識

linto-ai
⭐ 2,860 Python 👤 linto-ai Organization 🕐 更新日時 2026-09-28 📅 作成日 2023-01-13
26
harry0703/AudioNotes

オーディオおよびビデオコンテンツを迅速に抽出し、構造化されたMarkdownノートに整理します

harry0703
⭐ 2,564 Python 👤 harry0703 User 🕐 更新日時 2026-08-19 📅 作成日 2024-07-19
27
coqui-ai/STT

🐸STT - Speech-to-Textのためのディープラーニングツールキット。STTモデルのトレーニングとデプロイがこれほど簡単になったことはありません。

coqui-ai
⭐ 2,547 C++ 👤 coqui-ai Organization 🕐 更新日時 2024-03-11 📅 作成日 2021-03-04
28
handy-computer/transcribe.cpp

16以上のモデルファミリーに対応したggml音声認識推論

handy-computer
⭐ 2,194 C++ 👤 handy-computer Organization 🕐 更新日時 2026-11-20 📅 作成日 2026-04-07
29
FireRedTeam/FireRedASR

標準中国語、中国語方言、英語をサポートするオープンソースの産業グレードASRモデルは、公開されている標準中国語ASRベンチマークで新たなSOTAを達成するとともに、優れた歌唱歌詞認識機能も提供します。

FireRedTeam
⭐ 2,014 Python 👤 FireRedTeam Organization 🕐 更新日時 2026-02-25 📅 作成日 2025-01-24
30
tuya/TuyaOpen

T2/T3/T5AI/ESP32/およびその他の次世代AI+IoTフレームワーク–高速IoTおよびAIエージェントハードウェア統合

tuya
⭐ 1,956 C 👤 tuya Organization 🕐 更新日時 2026-11-20 📅 作成日 2023-12-25
31
sgl-project/sglang-omni

対話型スーパーインテリジェンスシステム向け高性能サービングランタイム

sgl-project
⭐ 1,882 Python 👤 sgl-project Organization 🕐 更新日時 2026-11-21 📅 作成日 2026-01-07
32
k2-fsa/sherpa-ncnn

次世代Kaldiとncnnを使用した、インターネット接続なしのリアルタイム音声認識および音声アクティビティ検出(VAD)。iOS、Android、Linux、macOS、Windows、Raspberry Pi、VisionFive2、LicheePi4Aなどをサポートします。

k2-fsa
⭐ 1,801 C++ 👤 k2-fsa Organization 🕐 更新日時 2026-11-12 📅 作成日 2022-09-04
33
wwbin2017/bailing

百聆はGPT-4oに似た音声対話ロボットで、ASR+LLM+TTSにより実現され、DeepSeek R1などの優れた大規模モデルを統合し、openClawに接続され、本物の個人音声アシスタントで、遅延が800msまで低く、Macなどの低スペックでも動作可能、中断対応

wwbin2017
⭐ 1,794 Python 👤 wwbin2017 User 🕐 更新日時 2026-04-06 📅 作成日 2024-08-25
34
mkiol/dsnote

Speech Note Linux アプリ。オフラインの音声テキスト変換、テキスト音声変換、機械翻訳によるメモ作成、読書、翻訳。

mkiol
⭐ 1,720 C++ 👤 mkiol User 🕐 更新日時 2026-11-18 📅 作成日 2021-10-07
35
yuezhiai/jonex

オールインワンのマルチモーダル解析エンジン + オントロジーを基盤とし、LLM Wiki によって駆動される AI 対応ナレッジエンジン

yuezhiai
⭐ 1,714 Python 👤 yuezhiai Organization 🕐 更新日時 2026-11-20 📅 作成日 2026-07-19
36
amicalhq/amical

macOSとWindows向けの無料オープンソース音声入力。WhisperとParakeetによるローカル音声文字起こしに対応し、オフラインでも使用できます。

amicalhq
⭐ 1,648 TypeScript 👤 amicalhq Organization 🕐 更新日時 2026-11-21 📅 作成日 2025-05-08
37
byjlw/video-analyzer

LLM、コンピュータビジョン、自動音声認識を使用してビデオを分析する

byjlw
⭐ 1,620 Python 👤 byjlw User 🕐 更新日時 2026-04-19 📅 作成日 2024-11-10
38
QwenAudio/Fun-ASR

Fun-ASR 音声認識モデル。Fun-ASR-Nano では Hugging Face Transformers をネイティブにサポートし、FunASR、vLLM、llama.cpp にはそれぞれ独立したデプロイパスを提供します。

QwenAudio
⭐ 1,614 C 👤 QwenAudio Organization 🕐 更新日時 2026-11-20 📅 作成日 2025-12-15
39
Delta-ML/delta

DELTAは、ディープラーニングベースの自然言語および音声処理プラットフォームです。LF AI & DATA Projects: https://lfaidata.foundation/projects/delta/

Delta-ML
⭐ 1,602 Python 👤 Delta-ML Organization 🕐 更新日時 2025-04-16 📅 作成日 2019-05-29
40
nyrahealth/CrisperWhisper

制御可能な文字起こし。逐語的(すべてのフィラー、ポーズ、どもり、発声を含む)、または意図ベース(話者が伝えようとした内容を、読みやすさを考慮して最適化)で、単語レベルのタイムスタンプに対応。

nyrahealth
⭐ 1,498 Python 👤 nyrahealth Organization 🕐 更新日時 2026-11-11 📅 作成日 2024-05-24
41
mbailey/voicemode

Claude Codeとの自然な音声会話

mbailey
⭐ 1,472 Python 👤 mbailey User 🕐 更新日時 2026-11-20 📅 作成日 2025-06-08
42
R3gm/SoniTranslate

動画の同期翻訳。ビデオダビング

R3gm
⭐ 1,430 Python 👤 R3gm User 🕐 更新日時 2026-08-29 📅 作成日 2023-06-27
43
lenML/Speech-AI-Forge

🍦 Speech-AI-Forgeは、APIサーバーとGradioベースのWebUIを実装したTTS生成モデルを中心に開発されたプロジェクトです。

lenML
⭐ 1,420 Python 👤 lenML Organization 🕐 更新日時 2026-05-21 📅 作成日 2024-06-01
44
Henry-23/VideoChat

リアルタイム音声インタラクティブデジタルヒューマンは、外見と音声をカスタマイズでき、声のクローン作成をサポートし、対話遅延は最短3秒です。

Henry-23
⭐ 1,333 Python 👤 Henry-23 User 🕐 更新日時 2025-12-18 📅 作成日 2024-10-18
45
goodroot/hyprwhspr

Linux向けネイティブ音声認識 - 高速・正確・プライベートでハッキング可能なシステム全体のディクテーション

goodroot
⭐ 1,287 Python 👤 goodroot User 🕐 更新日時 2026-11-19 📅 作成日 2025-08-27
46
soniqo/speech-swift

Apple Silicon向けAI音声ツールキット — MLXとCoreMLで駆動されるASR、TTS、音声対音声、VAD、話者分離

soniqo
⭐ 1,284 Swift 👤 soniqo Organization 🕐 更新日時 2026-11-18 📅 作成日 2026-02-04
47
ictnlp/StreamSpeech

StreamSpeechは、オフラインおよび同時音声認識、音声翻訳、音声合成のための「オールインワン」シームレスモデルです。

ictnlp
⭐ 1,274 Python 👤 ictnlp Organization 🕐 更新日時 2025-06-29 📅 作成日 2024-06-04
48
alphacep/vosk-server

Vosk と Kaldi ライブラリを基盤とした WebSocket、gRPC、WebRTC 音声認識サーバー

alphacep
⭐ 1,259 Python 👤 alphacep Organization 🕐 更新日時 2025-07-25 📅 作成日 2019-05-07
49
gufo-org/gufo

AMD Strix Halo向けのオープンソースAIエンジン。テキスト、埋め込み、音声、画像、動画のモデルを1つのバイナリに集約し、OpenAI互換API、コーディングエージェント向けキャッシュ、モデル拡張機能を提供。LinuxとWindowsに対応。

gufo-org
⭐ 1,236 C++ 👤 gufo-org Organization 🕐 更新日時 2026-11-21 📅 作成日 2026-08-11
50
yeyupiaoling/Whisper-Finetune

Whisper音声認識モデルをファインチューニングし、タイムスタンプデータなしでのトレーニング、タイムスタンプデータありでのトレーニング、音声データなしでのトレーニングをサポートします。推論を高速化し、Webデプロイメント、Windowsデスクトップデプロイメント、Androidデプロイメントをサポートします

yeyupiaoling
⭐ 1,222 C 👤 yeyupiaoling User 🕐 更新日時 2026-05-08 📅 作成日 2023-04-22

よくある質問

1

GitHubで最も人気のある#asrリポジトリは何ですか?

GitHubで最も上位にランクインしているオープンソースの#asrプロジェクトは、25,556個のスターを獲得しているm-bain/whisperXです。WhisperX: 単語レベルのタイムスタンプ(&話者分離)を備えた自動音声認識

2

#asrリポジトリで最もよく使われているプログラミング言語は何ですか?

GitHubで上位にランクインしている#asrプロジェクトでは、Python, C++, C, Jupyter Notebookが最も一般的なプログラミング言語です。

3

#asrリポジトリのランキングはどのように算出されていますか?

#asrのタグが付いた100件のアクティブなオープンソースリポジトリ(スター500個以上)を追跡しています。合計スター数は289,141個で、リポジトリあたりの平均は2,891個です。ランキングはGitHub APIからのデータに基づいて毎日更新されます。