#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。
リポジトリ合計42件
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。
[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!
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。
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。
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。
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。
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。
よくある質問
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。
#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。
#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。