Git Stars Git Stars

#asr リポジトリ

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

51
Kieirra/murmure

完全にローカル、プライベートでクロスプラットフォームのSpeech-to-Text、LLM事後処理付き

Kieirra
⭐ 1,170 TypeScript 👤 Kieirra User 🕐 更新日時 2026-11-20 📅 作成日 2025-10-12
52
xzf-thu/Mega-ASR

現実世界向けに構築された初の基盤ASR - 7つの原子音響条件、54の複合シナリオ、260万サンプル、そして他のすべてのモデルが崩壊する場所でSOTAを最大約30%上回る性能。**他のモデルが現実で失敗した後、あなたはMEGA-ASRに戻ってくるでしょう。 ⭐**

xzf-thu
⭐ 1,152 Python 👤 xzf-thu User 🕐 更新日時 2026-09-02 📅 作成日 2026-05-16
53
sooftware/conformer

「Conformer: Convolution-augmented Transformer for Speech Recognition」(INTERSPEECH 2020)の【非公式】PyTorch実装

sooftware
⭐ 1,137 Python 👤 sooftware User 🕐 更新日時 2026-11-15 📅 作成日 2021-01-21
54
shang-zhu/violin

オープンソース動画翻訳スキル

shang-zhu
⭐ 1,091 Python 👤 shang-zhu User 🕐 更新日時 2026-09-04 📅 作成日 2026-04-07
55
alphacep/vosk-android-demo

Vosk ライブラリを使用した Android 向けオフライン音声認識。

alphacep
⭐ 1,064 Java 👤 alphacep Organization 🕐 更新日時 2025-12-08 📅 作成日 2019-09-03
56
pykaldi/pykaldi

KaldiのためのPythonラッパー

pykaldi
⭐ 1,039 Python 👤 pykaldi Organization 🕐 更新日時 2025-11-30 📅 作成日 2017-06-19
57
k2-fsa/sherpa

次世代Kaldi搭載の音声テキスト変換サーバーフレームワーク

k2-fsa
⭐ 1,022 C++ 👤 k2-fsa Organization 🕐 更新日時 2026-11-21 📅 作成日 2022-05-20
58
233stone/vocotype-cli

VocoTypeは、ローカルクライアント側で動作するプライバシー保護の安全な音声入力ツールです。ショートカットキーで音声をリアルタイムでテキストに変換し、現在使用中のアプリケーションに自動入力します。音声文字変換MCP、AIによるテキスト最適化、カスタム置換辞書、録音・動画の文字起こしなどの機能をサポートし、音声入力をより効率的かつ安全にします。

233stone
⭐ 1,016 Python 👤 233stone User 🕐 更新日時 2026-10-14 📅 作成日 2025-10-13
59
nomily-ai/nomily-app

BYOK対応の音声録音コンパニオン。ASR文字起こし、話者ダイアライゼーション、AI要約、ローカルASRエンドポイントに対応。

nomily-ai
⭐ 1,014 👤 nomily-ai User 🕐 更新日時 2026-11-19 📅 作成日 2026-08-05
60
freewym/espresso

Espresso: 高速エンドツーエンドニューラル音声認識ツールキット

freewym
⭐ 942 Python 👤 freewym User 🕐 更新日時 2024-09-04 📅 作成日 2018-12-02
61
geekwenjie/SmartJavaAI

🔥🔥🔥Java用無料オフラインAIアルゴリズムツールボックス。顔認識、ライブネス検出、表情認識、物体検出、インスタンスセグメンテーション、歩行者検出、OCR文字認識、ナンバープレート認識、表認識、ASR+TTS、機械翻訳などの機能をサポートし、Maven参照で使用可能。PyTorch、Tensorflowをサポートし、Mtcnn、InsightFace、SeetaFace6、YOLOv8~v12、PaddleOCR(PPOCRv5)、Whisperなどの主要モデルを統合しています。

geekwenjie
⭐ 941 Java 👤 geekwenjie User 🕐 更新日時 2026-06-20 📅 作成日 2025-02-21
62
TheDeathDragon/LiveTranslate

リアルタイム音声翻訳、システムオーディオ+マイクをキャプチャし、ASR(Whisper/SenseVoice)を実行、LLM APIでストリーミング表示付き翻訳。VTuber、ライブ配信者、外国のコンテンツ視聴に最適です。

TheDeathDragon
⭐ 923 Python 👤 TheDeathDragon User 🕐 更新日時 2026-08-17 📅 作成日 2026-03-15
63
hehehai/VoxtMini

ローカルモデルを使ったmacOS向け音声入力:あらゆるアプリで文字起こし、翻訳、書き換えができます。Voxtの後継アプリ。

hehehai
⭐ 916 Go 👤 hehehai User 🕐 更新日時 2026-11-21 📅 作成日 2026-02-26
64
innovatorved/whisper.api

このプロジェクトは、ファインチューニングおよび処理されたWhisper ASRモデルを使用して、音声をテキストに転写するためのユーザーレベルアクセスをサポートするAPIを提供します。

innovatorved
⭐ 914 Python 👤 innovatorved User 🕐 更新日時 2026-11-20 📅 作成日 2023-08-12
65
lifeiteng/OmniSenseVoice

Omni SenseVoice: 単語のタイムスタンプによる高速音声認識 🗣️🎯

lifeiteng
⭐ 897 Python 👤 lifeiteng User 🕐 更新日時 2025-12-10 📅 作成日 2024-09-22
66
BryceWG/BiBi-Keyboard

BiBi Keyboard:KotlinベースのAndroid向けLLMとASR音声入力メソッドキーボードアプリ

BryceWG
⭐ 896 Kotlin 👤 BryceWG User 🕐 更新日時 2026-11-19 📅 作成日 2025-10-06
67
Spr-Aachen/Easy-Voice-Toolkit

音声認識/文字起こし/変換などのユーザー向けツールキット | 簡単で使いやすい音声ツールボックス

Spr-Aachen
⭐ 870 Python 👤 Spr-Aachen User 🕐 更新日時 2026-10-25 📅 作成日 2023-02-09
68
yeyupiaoling/PPASR

PaddlePaddleに基づくエンドツーエンド中国語音声認識、入門から実践まで、超簡単な入門事例、超実用的な企業プロジェクト。現在最も人気のあるDeepSpeech2、Conformer、Squeezeformerモデルをサポートします。

yeyupiaoling
⭐ 868 Python 👤 yeyupiaoling User 🕐 更新日時 2025-12-17 📅 作成日 2021-02-26
69
zai-org/GLM-ASR

GLM-ASR-Nano: 15億パラメータを持つ堅牢なオープンソース音声認識モデル

zai-org
⭐ 864 Python 👤 zai-org Organization 🕐 更新日時 2026-03-06 📅 作成日 2025-12-09
70
aiola-lab/whisper-medusa

メデューサの頭と囁く

aiola-lab
⭐ 860 Python 👤 aiola-lab Organization 🕐 更新日時 2026-07-02 📅 作成日 2024-07-17
71
AkagawaTsurunaki/ZerolanLiveRobot

LLM、ASR、TTS、OCR、CVなどの技術を備えたAI VTuber、ライブ配信やMinecraftを一緒にプレイしましょう。

AkagawaTsurunaki
⭐ 834 Python 👤 AkagawaTsurunaki User 🕐 更新日時 2026-04-14 📅 作成日 2024-03-04
72
TrevorS/voxtral-mini-realtime-rs

Voxtral ASR & TTS がネイティブおよびブラウザで動作。Burn ML フレームワークを使用した Mistral の Voxtral mini リアルタイム ASR/TTS の Rust 実装

TrevorS
⭐ 827 Rust 👤 TrevorS User 🕐 更新日時 2026-10-12 📅 作成日 2026-02-04
74
Ailln/cn2an

📦 「漢数字」と「アラビア数字」の素早い変換~ (最新機能:分数、日付、温度などの変換)

Ailln
⭐ 768 Python 👤 Ailln User 🕐 更新日時 2026-04-23 📅 作成日 2018-05-04
75
yeyupiaoling/PaddlePaddle-DeepSpeech

PaddlePaddleに基づいて実装された音声認識、中国語音声認識。プロジェクトは完成しており、認識効果が良好です。Windows、Linuxでのトレーニングと予測をサポートし、Nvidia Jetson開発ボードでの予測をサポートします。

yeyupiaoling
⭐ 764 Python 👤 yeyupiaoling User 🕐 更新日時 2025-12-17 📅 作成日 2019-11-01
76
FireRedTeam/FireRedASR2S

ASR、VAD、LID、Puncモジュールを備えた最先端の産業用オールインワンASRシステムです。FireRedASR2は中国語(北京語、20以上の方言/アクセント)、英語、コードスイッチング、音声および歌唱ASRをサポートします。FireRedVADは100以上の言語で音声/歌唱/音楽をサポートします。FireRedLIDは100以上の言語と20以上の中国語方言をサポートします。FireRedPuncは中国語と英語をサポートします。

FireRedTeam
⭐ 745 Python 👤 FireRedTeam Organization 🕐 更新日時 2026-06-02 📅 作成日 2026-02-12
77
Macoron/whisper.unity

ローカルマシン上のUnity3dで音声テキストモデル(whisper.cpp)を実行しています。

Macoron
⭐ 730 C# 👤 Macoron User 🕐 更新日時 2025-04-17 📅 作成日 2023-03-26
78
yeyupiaoling/MASR

Pytorchで実装されたストリーミングおよび非ストリーミング自動音声認識フレームワークで、オンラインおよびオフライン認識の両方と互換性があります。現在、Conformer、Squeezeformer、DeepSpeech2モデルをサポートしており、さまざまなデータ拡張方法もサポートしています。

yeyupiaoling
⭐ 729 Python 👤 yeyupiaoling User 🕐 更新日時 2026-07-06 📅 作成日 2020-07-29
79
openspeech-team/openspeech

PyTorch-Lightning と Hydra を活用したエンドツーエンド音声認識のためのオープンソースツールキット。

openspeech-team
⭐ 715 Python 👤 openspeech-team Organization 🕐 更新日時 2026-06-21 📅 作成日 2021-06-06
80
sofdog-gh/realtime-transcription-fastrtc

FastRTC ⚡️とローカルWhisper 🤗によるリアルタイム音声文字起こし

sofdog-gh
⭐ 700 Python 👤 sofdog-gh User 🕐 更新日時 2025-07-10 📅 作成日 2025-03-01
81
vilassn/whisper_android

Android向けOpenAI WhisperとTensorFlow Liteによるオフライン音声認識

vilassn
⭐ 693 C++ 👤 vilassn User 🕐 更新日時 2026-03-18 📅 作成日 2023-08-26
82
DmitryRyumin/INTERSPEECH-2023-24-Papers

INTERSPEECH 2023-2024 論文:INTERSPEECH 2023-24 会議からの影響力がありエキサイティングな研究論文の完全なコレクション。音声および言語処理の最新の進歩をご覧ください。コードが含まれています。音声技術の進歩をサポートするためにリポジトリをスターしてください!

DmitryRyumin
⭐ 683 👤 DmitryRyumin User 🕐 更新日時 2024-12-25 📅 作成日 2023-06-26
⭐ 677 Python 👤 yinruiqing User 🕐 更新日時 2025-09-24 📅 作成日 2022-11-09
84
Picovoice/cheetah

ディープラーニング駆動のオンデバイスストリーミング音声文字起こしエンジン

Picovoice
⭐ 672 Python 👤 Picovoice Organization 🕐 更新日時 2026-11-12 📅 作成日 2018-10-28
85
zenstory-ai/video-recap-skills

AI動画ナレーションAgentスキルパック:シーンを自動編集し、映像を見てナレーション原稿を作成、音声収録とミキシングを行って完成動画を生成。Jianying/CapCut用の下書きとして書き出し可能、GPU不要|ナレーション付き動画要約とCapCut下書きのためのAgentスキル

zenstory-ai
⭐ 649 Python 👤 zenstory-ai Organization 🕐 更新日時 2026-11-20 📅 作成日 2026-05-02
86
huggingface/optimum-intel

🤗 Optimum Intel: Intel 最適化ツールで推論を高速化

huggingface
⭐ 631 Jupyter Notebook 👤 huggingface Organization 🕐 更新日時 2026-11-21 📅 作成日 2022-05-25
87
zw76859420/ASR_Theory

音声認識理論、論文とPPT

zw76859420
⭐ 616 👤 zw76859420 User 🕐 更新日時 2024-08-07 📅 作成日 2019-01-26
88
Moyf/moys-asr-workflow

Amoの字幕ワークベンチ:MoyのASR字幕文字起こしワークフロー(略称:MAW)

Moyf
⭐ 610 JavaScript 👤 Moyf User 🕐 更新日時 2026-11-21 📅 作成日 2026-07-26
89
HiMeditator/auto-caption

クロスプラットフォームのリアルタイム字幕表示ソフトウェア。

HiMeditator
⭐ 610 TypeScript 👤 HiMeditator User 🕐 更新日時 2026-10-14 📅 作成日 2025-05-11
90
RapidAI/RapidASR

📣 商用グレードのオープンソース音声自動認識ライブラリ、すぐに使用可能、全プラットフォーム対応、中国語・英語混合認識。ASR推論のクロスプラットフォーム実装です。ONNXRuntimeとFunASRに基づいています。ASRモデルを呼び出すためのより簡単なAPIセットを提供します。

RapidAI
⭐ 593 C++ 👤 RapidAI Organization 🕐 更新日時 2024-05-15 📅 作成日 2021-12-15
91
second-state/echokit_server

オープンソース音声エージェントプラットフォーム

second-state
⭐ 591 Rust 👤 second-state Organization 🕐 更新日時 2026-02-15 📅 作成日 2025-02-26
92
SAOS-3624/dsh-video-storyboard

DeepSeek Harness向けのシーン認識型ストーリーボード:番号付きのコマ9~16個を、タイムスタンプ、文字起こし、音声エンベロープとともに1枚の画像にまとめます(384トークン)。ツールはvideo_storyboardとvideo_zoomの2つです。

SAOS-3624
⭐ 585 JavaScript 👤 SAOS-3624 User 🕐 更新日時 2026-11-21 📅 作成日 2026-10-26
93
wildminder/awesome-ai-voice

オープンソースの音声合成(TTS)、音声クローン、音楽生成モデルの一覧

wildminder
⭐ 562 👤 wildminder User 🕐 更新日時 2026-11-04 📅 作成日 2026-03-10
94
PiSugar/whisplay-ai-chatbot

RPI Zero 2w / 5を使用して構築されたポケットサイズのAIチャットボット

PiSugar
⭐ 545 TypeScript 👤 PiSugar Organization 🕐 更新日時 2026-11-19 📅 作成日 2025-05-07
95
SpeechColab/Leaderboard

SpeechIO Leaderboard:自動音声認識のための、大規模で堅牢、包括的なベンチマークプラットフォーム。

SpeechColab
⭐ 545 Python 👤 SpeechColab User 🕐 更新日時 2025-03-29 📅 作成日 2021-02-07
96
kouhxp/yapsnap

あらゆる動画URLや音声ファイルをプレーンテキストに文字起こし。GPU不要。クラウド不要。コマンド1つで完了。

kouhxp
⭐ 538 Python 👤 kouhxp User 🕐 更新日時 2026-09-15 📅 作成日 2026-05-20
97
shashikg/WhisperS2T

複数の推論エンジンをサポートするWhisperモデルのための最適化された音声テキスト変換パイプライン

shashikg
⭐ 534 Jupyter Notebook 👤 shashikg User 🕐 更新日時 2024-08-27 📅 作成日 2023-12-16
98
ccoreilly/vosk-browser

VoskのWebAssemblyビルドによりブラウザで動作する音声認識ライブラリ

ccoreilly
⭐ 531 JavaScript 👤 ccoreilly User 🕐 更新日時 2025-12-07 📅 作成日 2021-02-19
99
DmitryRyumin/ICASSP-2023-24-Papers

ICASSP 2023-2024 論文:ICASSP 2023-24 会議の影響力がありエキサイティングな研究論文の完全なコレクションです。音響、音声、信号処理の最新の進歩を探求してください。コードが含まれています。オーディオおよび信号処理の進歩をサポートするために、リポジトリにスターを付けてください!

DmitryRyumin
⭐ 527 Python 👤 DmitryRyumin User 🕐 更新日時 2025-05-05 📅 作成日 2023-08-01
100
nyosegawa/speech.cpp

ggml 上の C++ による音声会話向けの音声合成、音声認識、音声活動検出:Metal、Vulkan、CPU で動作する Qwen3-TTS、Irodori-TTS、Qwen3-ASR、ReazonSpeech、parakeet、Silero VAD。OpenAI 互換サーバーとライブ文字起こしにも対応。

nyosegawa
⭐ 510 C++ 👤 nyosegawa User 🕐 更新日時 2026-11-20 📅 作成日 2026-09-29