Git Stars Git Stars

#automatic-speech-recognition リポジトリ

#automatic-speech-recognitionのタグが付いた、GitHub上の42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118,799個で、プロジェクトあたりの平均は2,828個です。このトピックをリードしているのは、13,052個のスターを獲得しているVaibhavs10/insanely-fast-whisperです。

42
リポジトリ総数
118,799
合計スター数
2,828
リポジトリあたりの平均スター数

リポジトリ合計42件

2
facebookresearch/seamless_communication

最先端の音声およびテキスト翻訳のための基盤モデル

facebookresearch
⭐ 11,908 Jupyter Notebook 👤 facebookresearch Organization 🕐 更新日時 2026-09-08 📅 作成日 2023-08-01
3
QuentinFuxa/WhisperLiveKit

リアルタイムかつローカルな音声テキスト変換。ストリーミングASR、話者分離、翻訳、OpenAI/Deepgram互換のAPIを備えています。

QuentinFuxa
⭐ 11,275 Python 👤 QuentinFuxa User 🕐 更新日時 2026-11-14 📅 作成日 2024-12-19
4
Const-me/Whisper

OpenAIのWhisper自動音声認識(ASR)モデルの高性能GPGPU推論

Const-me
⭐ 10,717 C++ 👤 Const-me User 🕐 更新日時 2026-09-22 📅 作成日 2023-01-07
5
mli/autocut

テキストエディタで動画をカットする

mli
⭐ 7,522 Python 👤 mli User 🕐 更新日時 2024-10-05 📅 作成日 2022-10-28
6
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
7
MoonshotAI/Kimi-Audio

Kimi-Audio、オーディオの理解、生成、会話に優れたオープンソースのオーディオ基盤モデル

MoonshotAI
⭐ 4,654 Python 👤 MoonshotAI Organization 🕐 更新日時 2025-06-21 📅 作成日 2025-04-25
8
agermanidis/autosub

[メンテナンス終了] 任意のビデオファイルに対して字幕を自動生成するコマンドライン ユーティリティ

agermanidis
⭐ 4,203 Python 👤 agermanidis User 🕐 更新日時 2024-03-22 📅 作成日 2015-06-29
9
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
10
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
11
Kedreamix/Linly-Dubbing

インテリジェントビデオ多言語AIダビング/翻訳ツール - Linly-Dubbing — 「AIによるエンパワーメント、言語の境界なし」

Kedreamix
⭐ 3,221 Jupyter Notebook 👤 Kedreamix User 🕐 更新日時 2025-03-05 📅 作成日 2024-08-08
12
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
13
facebookresearch/omnilingual-asr

Omnilingual ASR オープンソース 多言語音声認識 for 1600以上の言語

facebookresearch
⭐ 2,976 Python 👤 facebookresearch Organization 🕐 更新日時 2025-12-30 📅 作成日 2025-11-06
14
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
15
janhq/ichigo

ローカルリアルタイム音声AI

janhq
⭐ 2,493 Python 👤 janhq Organization 🕐 更新日時 2025-11-26 📅 作成日 2024-07-02
16
TEN-framework/ten-vad

音声アクティビティ検出器(VAD):低遅延、高性能、軽量

TEN-framework
⭐ 2,319 C 👤 TEN-framework Organization 🕐 更新日時 2026-11-20 📅 作成日 2025-04-29
17
OpenMOSS/MOSS-Transcribe-Diarize

話者ダイアライゼーション、タイムスタンプ、音響イベント認識に対応した、50以上の言語の長時間音声文字起こし用0.9Bモデル

OpenMOSS
⭐ 2,286 Python 👤 OpenMOSS Organization 🕐 更新日時 2026-10-21 📅 作成日 2026-05-13
18
QwenLM/Qwen2-Audio

Alibaba Cloudが提案したQwen2-Audioチャットおよび事前学習済み大規模オーディオ言語モデルの公式リポジトリ。

QwenLM
⭐ 2,072 Python 👤 QwenLM Organization 🕐 更新日時 2025-04-21 📅 作成日 2024-06-24
19
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
20
stepfun-ai/Step-Audio2

Step-Audio 2は、業界レベルのオーディオ理解と音声会話のために設計された、エンドツーエンドのマルチモーダル大規模言語モデルです。

stepfun-ai
⭐ 1,531 Python 👤 stepfun-ai Organization 🕐 更新日時 2026-03-16 📅 作成日 2025-07-15
21
McCloudS/subgen

Jellyfin, Plex, Emby, Tautulli、または Bazarr を介して OpenAI Whisper モデルを使用して字幕を自動生成する

McCloudS
⭐ 1,519 Python 👤 McCloudS User 🕐 更新日時 2026-08-07 📅 作成日 2023-01-28
23
k2-fsa/k2

FSA/FST アルゴリズム、微分可能、PyTorch 互換性あり。

k2-fsa
⭐ 1,371 Cuda 👤 k2-fsa Organization 🕐 更新日時 2026-11-13 📅 作成日 2020-04-17
24
QwenLM/Qwen3-ASR-Toolkit

Qwen3-ASR API の公式 Python ツールキット。並列高スループット呼び出し、堅牢な長尺オーディオ文字起こし、マルチサンプルレートサポート。

QwenLM
⭐ 1,020 Python 👤 QwenLM Organization 🕐 更新日時 2026-02-05 📅 作成日 2025-09-16
25
TensorSpeech/TensorFlowASR

:zap: TensorFlowASR: TensorFlow 2のほぼ最先端の自動音声認識。文字またはサブワードを使用できるサポート言語

TensorSpeech
⭐ 1,018 Python 👤 TensorSpeech Organization 🕐 更新日時 2026-11-14 📅 作成日 2020-02-13
26
senstella/parakeet-mlx

MLXを使用したApple Silicon向けNvidiaのParakeetモデルの実装。

senstella
⭐ 999 Python 👤 senstella User 🕐 更新日時 2026-11-17 📅 作成日 2025-05-03
27
jitsi/jiwer

単語誤り率 (WER) などの類似度指標を使用して、音声からテキストシステムを評価してください

jitsi
⭐ 946 Python 👤 jitsi Organization 🕐 更新日時 2026-09-03 📅 作成日 2018-06-19
28
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
29
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
31
DataoceanAI/Dolphin

Dolphinは、DataoceanAIと清華大学が共同でトレーニングした、多言語・マルチタスクASRモデルです。

DataoceanAI
⭐ 800 Python 👤 DataoceanAI User 🕐 更新日時 2026-06-11 📅 作成日 2025-03-18
32
EmulationAI/awesome-large-audio-models

Audio AIにおける大規模言語モデル(LLM)の応用に関するリソースコレクション。

EmulationAI
⭐ 748 👤 EmulationAI Organization 🕐 更新日時 2026-11-02 📅 作成日 2023-08-18
33
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
34
SpeechColab/GigaSpeech

音声認識のための大規模でモダンなデータセット

SpeechColab
⭐ 714 Shell 👤 SpeechColab User 🕐 更新日時 2024-02-26 📅 作成日 2021-03-03
35
DoMusic/Hybrid-Net

リアルタイムオーディオからコード、歌詞、ビート、メロディーへ。

DoMusic
⭐ 713 Python 👤 DoMusic Organization 🕐 更新日時 2024-08-15 📅 作成日 2024-03-26
36
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
37
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
38
VITA-MLLM/VITA-Audio

✨✨[NeurIPS 2025] VITA-Audio:効率的な大規模音声言語モデルのための高速インターリーブ型クロスモーダルトークン生成

VITA-MLLM
⭐ 679 Python 👤 VITA-MLLM Organization 🕐 更新日時 2025-05-24 📅 作成日 2025-04-23
39
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
40
ErlichLiu/Whisper-Input

Option ボタンを押して録音を開始し、ボタンを離すと録音が終了し、Groq Whisper Large V3 Turbo モデルを呼び出して文字起こしを行います。Groq は非常に高速なため、ほとんどの音声入力は 1 ~ 2 秒以内にフィードバックされます。また、whisper の強力な機能により、文字起こしの効果も非常に優れています。

ErlichLiu
⭐ 593 Python 👤 ErlichLiu User 🕐 更新日時 2025-01-29 📅 作成日 2025-01-11
42
HKAllThingsLink/streaming-asr

音声アクティビティ検出(VAD)および自動音声認識(ASR)を備えた、リアルタイムオーディオ処理用の軽量クライアントサーバーシステム。

HKAllThingsLink
⭐ 502 HTML 👤 HKAllThingsLink Organization 🕐 更新日時 2026-01-04 📅 作成日 2025-12-01

よくある質問

1

GitHubで最も人気のある#automatic-speech-recognition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#automatic-speech-recognitionプロジェクトは、13,052個のスターを獲得しているVaibhavs10/insanely-fast-whisperです。

2

#automatic-speech-recognition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#automatic-speech-recognitionプロジェクトでは、Python, Jupyter Notebook, C++, Swiftが最も一般的なプログラミング言語です。

3

#automatic-speech-recognition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?

#automatic-speech-recognitionのタグが付いた42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118,799個で、リポジトリあたりの平均は2,828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。