Git Stars Git Stars

#speech-recognition リポジトリ

204
リポジトリ総数
889,741
合計スター数
4,361
リポジトリあたりの平均スター数

リポジトリ合計206件

51
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
52
wquguru/cicada

知了 Cicada · あらゆる会議やライブ配信に対応するリアルタイム字幕、同時通訳、AI 会議メモ。Mac、Windows、Linux、Android 向けの無料オープンソースソフトウェアです。

wquguru
⭐ 2,443 Swift 👤 wquguru User 🕐 更新日時 2026-11-19 📅 作成日 2026-11-01
53
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
54
pannous/tensorflow-speech-recognition

🎙TensorFlow ディープラーニングフレームワークを使用した音声認識、sequence-to-sequence neural networks

pannous
⭐ 2,176 Python 👤 pannous User 🕐 更新日時 2024-01-17 📅 作成日 2015-12-07
55
react-native-voice/voice

:microphone: iOSおよびAndroid向けのReact Native音声認識ライブラリ(オンラインおよびオフラインサポート)

react-native-voice
⭐ 2,149 TypeScript 👤 react-native-voice Organization 🕐 更新日時 2026-01-21 📅 作成日 2016-05-06
56
fikrikarim/parlor

GPT-Liveと同様の機能を備えたデバイス内リアルタイムマルチモーダルAI

fikrikarim
⭐ 2,117 Python 👤 fikrikarim User 🕐 更新日時 2026-08-03 📅 作成日 2026-04-05
57
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
58
nobody132/masr

中国語音声認識; 北京語音声自動認識;

nobody132
⭐ 1,962 Python 👤 nobody132 User 🕐 更新日時 2024-07-25 📅 作成日 2019-05-07
59
julius-speech/julius

オープンソースの大語彙連続音声認識エンジン

julius-speech
⭐ 1,926 C 👤 julius-speech Organization 🕐 更新日時 2025-06-16 📅 作成日 2015-04-28
60
wq2012/awesome-diarization

素晴らしい Speaker Diarization の論文、ライブラリ、データセット、およびその他のリソースのキュレーションされたリスト。

wq2012
⭐ 1,917 👤 wq2012 User 🕐 更新日時 2026-10-26 📅 作成日 2019-01-19
61
alan-ai/alan-sdk-ios

あなたのアプリのための自動コーディングシステム — Alan AI SDK for iOS

alan-ai
⭐ 1,889 Objective-C 👤 alan-ai Organization 🕐 更新日時 2025-04-22 📅 作成日 2019-10-01
62
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
63
QwenLM/Qwen-Audio

Alibaba Cloudが提案するQwen-Audio (通义千问-Audio) チャット&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
⭐ 1,857 Python 👤 QwenLM Organization 🕐 更新日時 2024-07-05 📅 作成日 2023-11-07
64
alan-ai/alan-sdk-android

アプリのためのセルフコーディングシステム — Android用 Alan AI SDK

alan-ai
⭐ 1,815 👤 alan-ai Organization 🕐 更新日時 2025-04-22 📅 作成日 2019-10-01
65
peteonrails/voxtype

Wayland コンポジター向けのプッシュトゥトーク音声→テキスト機能

peteonrails
⭐ 1,810 Rust 👤 peteonrails User 🕐 更新日時 2026-11-20 📅 作成日 2025-11-28
66
FL33TW00D/whisper-turbo

クロスプラットフォーム、GPUアクセラレーテッドWhisper 🏎️

FL33TW00D
⭐ 1,808 TypeScript 👤 FL33TW00D User 🕐 更新日時 2024-02-27 📅 作成日 2023-08-18
67
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
68
alan-ai/alan-sdk-flutter

あなたのアプリのための自動コーディングシステム — Flutter用Alan AI SDK

alan-ai
⭐ 1,768 Ruby 👤 alan-ai Organization 🕐 更新日時 2025-04-22 📅 作成日 2020-04-22
69
abb128/LiveCaptions

ライブキャプションを提供するLinuxデスクトップアプリケーション

abb128
⭐ 1,753 C 👤 abb128 User 🕐 更新日時 2025-02-27 📅 作成日 2022-11-30
70
zhiwehu/100_plus_Python_Projects_Challenge

100以上のPythonプロジェクトチャレンジ

zhiwehu
⭐ 1,724 Python 👤 zhiwehu User 🕐 更新日時 2026-09-20 📅 作成日 2021-05-01
71
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
72
strob/gentle

穏やかな強制アライナー

strob
⭐ 1,713 Python 👤 strob User 🕐 更新日時 2026-07-24 📅 作成日 2015-10-23
74
Ayanaminn/N46Whisper

Whisperベースの日本語字幕ジェネレーター

Ayanaminn
⭐ 1,708 Jupyter Notebook 👤 Ayanaminn User 🕐 更新日時 2025-02-23 📅 作成日 2022-10-25
75
royshil/obs-localvocal

AIを使用したローカル音声認識およびキャプション作成のためのOBSプラグイン

royshil
⭐ 1,674 C++ 👤 royshil User 🕐 更新日時 2026-11-05 📅 作成日 2023-08-10
76
alan-ai/alan-sdk-ionic

あなたのアプリのための自己コーディングシステム — Ionic用 Alan AI SDK

alan-ai
⭐ 1,661 TypeScript 👤 alan-ai Organization 🕐 更新日時 2025-04-22 📅 作成日 2020-04-24
77
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
78
finnvoor/yap

🗣️ macOS 26 の Speech.framework を使用したオンデバイス音声文字起こし用の CLI

finnvoor
⭐ 1,640 Swift 👤 finnvoor User 🕐 更新日時 2026-07-20 📅 作成日 2025-06-15
79
semperai/amica

Amicaは、音声合成と音声認識を備えた3Dキャラクターとのインタラクティブなコミュニケーションのためのオープンソースインターフェイスです。

semperai
⭐ 1,626 TypeScript 👤 semperai Organization 🕐 更新日時 2026-11-12 📅 作成日 2023-10-29
80
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
81
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
82
espressif/esp-sr

音声認識

espressif
⭐ 1,589 C 👤 espressif Organization 🕐 更新日時 2026-11-11 📅 作成日 2019-07-29
83
bytedance/SALMONN

SALMONNファミリー:高度なマルチモーダルLLMスイート

bytedance
⭐ 1,576 👤 bytedance Organization 🕐 更新日時 2026-10-16 📅 作成日 2023-08-11
84
AlekPet/ComfyUI_Custom_Nodes_AlekPet

Comfyuiの機能を拡張するカスタムノード

AlekPet
⭐ 1,535 JavaScript 👤 AlekPet User 🕐 更新日時 2026-11-20 📅 作成日 2023-05-10
85
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
86
GauravSingh9356/J.A.R.V.I.S

Pythonライブラリを使用して構築されたパーソナルアシスタント。電子メールの送信、光学文字認識、API統合による常時動的ニュースレポート、ToDoリストジェネレーター、音声コマンドのみで任意のWebサイトを開く、音楽の再生、Wikipediaの検索、インテリジェントセンシング(つまり自動スペルチェック)を備えた辞書、天気レポート(つまり気温、風速、湿度)、YouTubeの検索、Googleマップの検索、YouTubeのダウンロードなど、ほぼすべてのことを行います。

GauravSingh9356
⭐ 1,495 Python 👤 GauravSingh9356 User 🕐 更新日時 2025-12-02 📅 作成日 2020-06-27
87
wit-ai/pywit

Wit.ai用Pythonライブラリ

wit-ai
⭐ 1,485 Python 👤 wit-ai Organization 🕐 更新日時 2026-08-28 📅 作成日 2014-09-29
88
microsoft/DNS-Challenge

このリポジトリには、Deep Noise Suppression (DNS) Challenge のスクリプト、モデル、および必要なファイルが含まれています。

microsoft
⭐ 1,480 Python 👤 microsoft Organization 🕐 更新日時 2026-11-10 📅 作成日 2020-01-14
89
ARahim3/mlx-tune

Apple Silicon搭載のMacでLLMをファインチューニング。SFT、DPO、GRPO、Vision、TTS、STT、Embedding、OCRのファインチューニング — MLX上でネイティブ対応。Unsloth互換API。

ARahim3
⭐ 1,475 Python 👤 ARahim3 User 🕐 更新日時 2026-06-23 📅 作成日 2026-01-03
90
microsoft/SpeechT5

音声言語処理のための統一モーダル音声-テキスト事前学習

microsoft
⭐ 1,420 Python 👤 microsoft Organization 🕐 更新日時 2024-04-24 📅 作成日 2022-02-08
91
PrunaAI/pruna

Prunaは、開発者向けに構築されたモデル最適化フレームワークであり、最小限のオーバーヘッドで、より高速で効率的なモデルを提供できます。

PrunaAI
⭐ 1,399 Python 👤 PrunaAI Organization 🕐 更新日時 2026-11-21 📅 作成日 2025-03-11
92
coqui-ai/open-speech-corpora

💎 ASR、TTS、およびその他の音声技術のためのアクセス可能な音声コーパスのリスト

coqui-ai
⭐ 1,377 👤 coqui-ai Organization 🕐 更新日時 2024-06-06 📅 作成日 2019-01-31
93
Softcatala/whisper-ctranslate2

CTranslate2 기반의 원본 OpenAI 클라이언트와 호환되는 Whisper 명령줄 클라이언트.

Softcatala
⭐ 1,374 Python 👤 Softcatala Organization 🕐 更新日時 2026-11-12 📅 作成日 2023-03-17
94
ratwithacompiler/OBS-captions-plugin

Google 音声認識を使用した Closed Captioning OBS プラグイン

ratwithacompiler
⭐ 1,351 C++ 👤 ratwithacompiler User 🕐 更新日時 2026-10-09 📅 作成日 2019-07-13
95
linyiLYi/voice-assistant

Whisperと大規模言語モデルを備えたローカル音声アシスタントのシンプルなトイデモ。

linyiLYi
⭐ 1,329 Python 👤 linyiLYi User 🕐 更新日時 2024-04-30 📅 作成日 2023-12-09
96
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
97
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
98
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
99
aTrainTranscription/aTrain

最先端の機械学習モデルを活用し、話者ダイアライゼーションを含む音声録音のオフライン文字起こしのためのGUIツール。

aTrainTranscription
⭐ 1,244 Python 👤 aTrainTranscription Organization 🕐 更新日時 2026-11-20 📅 作成日 2023-10-03
100
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