Git Stars Git Stars

#speech-to-text リポジトリ

#speech-to-textのタグが付いた、GitHub上の211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925,003個で、プロジェクトあたりの平均は4,383個です。このトピックをリードしているのは、115,753個のスターを獲得しているdebpalash/VoiceStudioです。

211
リポジトリ総数
925,003
合計スター数
4,383
リポジトリあたりの平均スター数

リポジトリ合計211件

1
debpalash/VoiceStudio

VoiceStudioは、ElevenLabsに代わるオープンソースで完全ローカル動作のソリューションです。646言語に対応し、音声クローン、音声デザイン、動画吹き替え、ディクテーション、文字起こし、オーディオブック作成が可能です。

debpalash
⭐ 115,753 Python 👤 debpalash User 🕐 更新日時 2026-11-21 📅 作成日 2026-04-09
2
ggml-org/whisper.cpp

C/C++におけるOpenAIのWhisperモデルのポート

ggml-org
⭐ 55,392 C++ 👤 ggml-org Organization 🕐 更新日時 2026-11-20 📅 作成日 2022-09-25
3
cjpais/Handy

完全にオフラインで動作する、無料のオープンソースで拡張可能な音声テキスト変換アプリケーションです。

cjpais
⭐ 39,490 Rust 👤 cjpais User 🕐 更新日時 2026-11-21 📅 作成日 2025-02-13
4
Zackriya-Solutions/meetily

プライバシーを最優先する、Windows・macOS・Linux向けのAI会議ノートツール。無料のオープンソース(MITライセンス)。Whisper/Parakeetによる文字起こしと話者ダイアライゼーションをデバイス上で実行し、会議ボットは不要。Granola、Otter、Firefliesに代わるオープンソースの選択肢。https://meetily.ai

Zackriya-Solutions
⭐ 32,937 Rust 👤 Zackriya-Solutions Organization 🕐 更新日時 2026-11-14 📅 作成日 2024-12-26
5
SYSTRAN/faster-whisper

CTranslate2 による高速 Whisper 転写

SYSTRAN
⭐ 26,924 Python 👤 SYSTRAN Organization 🕐 更新日時 2026-11-12 📅 作成日 2023-02-11
6
mozilla-ai/llamafile

単一のファイルでLLMを配布および実行します。

mozilla-ai
⭐ 26,681 C++ 👤 mozilla-ai Organization 🕐 更新日時 2026-11-09 📅 作成日 2023-09-10
7
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
8
screenpipe/screenpipe

YC (S26) | Screenpipeが自動化する価値のある作業を見つける | コンピューターでの作業をローカルで継続的に記録し、繰り返し行われるワークフローを見つけて、その結果をすでに使っている任意のエージェントに渡します。

screenpipe
⭐ 22,492 Rust 👤 screenpipe Organization 🕐 更新日時 2026-11-21 📅 作成日 2024-06-19
9
Evil0ctal/Douyin_TikTok_Download_API

🚀 Douyin、TikTok、Bilibiliのデータ収集と、ウォーターマークなし動画のダウンロードに対応したセルフホスト型API。MCP経由でのAIエージェントからの呼び出しと、オフライン音声文字起こしに対応。Dockerでワンクリックデプロイ。| TikTok、Douyin、Bilibili対応のセルフホスト型スクレイパー兼ウォーターマークなし動画ダウンローダー。非同期REST API、AIエージェント向けMCPサーバー、CLI、Webコンソールに加え、ダウンロードした動画のオフライン音声文字起こしにも対応。自動修復するIDプール、PostgreSQLアーカイブを備え、`docker compose up`一発で起動。

Evil0ctal
⭐ 21,507 Python 👤 Evil0ctal User 🕐 更新日時 2026-11-20 📅 作成日 2021-11-07
10
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
11
jianchang512/pyvideotrans

動画をある言語から別の言語に翻訳し、吹き替えと字幕を埋め込みます。

jianchang512
⭐ 19,789 Python 👤 jianchang512 User 🕐 更新日時 2026-11-21 📅 作成日 2023-10-02
12
leon-ai/leon

🧠 Leon はあなた専用のオープンソース個人アシスタントです。

leon-ai
⭐ 17,702 TypeScript 👤 leon-ai Organization 🕐 更新日時 2026-11-21 📅 作成日 2019-02-10
13
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
14
kaldi-asr/kaldi

kaldi-asr/kaldi は Kaldi プロジェクトの公式所在地です。

kaldi-asr
⭐ 15,488 Shell 👤 kaldi-asr Organization 🕐 更新日時 2025-09-22 📅 作成日 2015-04-20
15
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
16
huggingface/speech-to-speech

オープンソースモデルで音声エージェントを構築

huggingface
⭐ 13,760 Python 👤 huggingface Organization 🕐 更新日時 2026-11-19 📅 作成日 2024-08-07
17
abus-aikorea/voice-pro

クリエイターおよび開発者向けのGradio WebUI。主要なTTS(Edge-TTS、kokoro)とゼロショットボイスクローニング(E2 & F5-TTS、CosyVoice)を特徴とし、Whisperオーディオ処理、YouTubeダウンロード、Demucsボーカル分離、多言語翻訳を備えています。

abus-aikorea
⭐ 13,461 Python 👤 abus-aikorea User 🕐 更新日時 2026-07-13 📅 作成日 2024-07-29
18
OpenWhispr/openwhispr

ローカル(Nvidia Parakeet/Whisper)およびクラウドモデル(BYOK)対応のボイス・トゥ・テキスト dictation アプリ。プライバシー重視でクロスプラットフォーム対応。

OpenWhispr
⭐ 11,968 JavaScript 👤 OpenWhispr Organization 🕐 更新日時 2026-11-21 📅 作成日 2025-06-19
19
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
20
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
21
nexmoe/VidBee

1,000以上のサイトから動画や音声をダウンロードし、話者ラベル付きでローカルに文字起こし。お好みのAIプロバイダーを使って、メディアの要約や翻訳、チャットができます。

nexmoe
⭐ 11,189 TypeScript 👤 nexmoe User 🕐 更新日時 2026-11-21 📅 作成日 2025-10-22
22
KoljaB/RealtimeSTT

高度な音声アクティビティ検出、ウェイクワード起動、即時文字起こし機能を備えた、堅牢で効率的かつ低遅延な音声認識ライブラリ。

KoljaB
⭐ 10,257 Python 👤 KoljaB User 🕐 更新日時 2026-11-11 📅 作成日 2023-08-29
23
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
24
Uberi/speech_recognition

Python 用音声認識モジュール。複数のエンジンと API をサポートし、オンラインおよびオフラインで使用可能。

Uberi
⭐ 9,008 Python 👤 Uberi User 🕐 更新日時 2026-11-17 📅 作成日 2014-04-23
25
nl8590687/ASRT_SpeechRecognition

深層学習に基づく中国語音声認識システム

nl8590687
⭐ 8,404 Python 👤 nl8590687 User 🕐 更新日時 2026-04-10 📅 作成日 2017-03-06
26
Neywa-Labs/mlx-audio

AppleのMLXフレームワーク上に構築されたテキスト読み上げ(TTS)、音声認識(STT)、音声間音声変換(STS)ライブラリで、Apple Siliconでの効率的な音声分析を提供します。

Neywa-Labs
⭐ 8,315 Python 👤 Neywa-Labs Organization 🕐 更新日時 2026-11-20 📅 作成日 2024-11-27
27
Osmantic/ODS

ODS V3 プレリリース:V3の正式リリースに先立ち、公開テストと改良を実施します。PC、Mac、またはLinuxマシンをプライベートAIサーバーに変えましょう。

Osmantic
⭐ 7,882 Python 👤 Osmantic Organization 🕐 更新日時 2026-11-19 📅 作成日 2026-02-09
28
anomalyco/hex

Mac、Windows、Linux向けのローカル音声入力

anomalyco
⭐ 7,836 Rust 👤 anomalyco Organization 🕐 更新日時 2026-11-21 📅 作成日 2026-07-17
29
getopenscreen/openscreen

画面を録画して、デモを公開しましょう。無料かつオープンソース、GPUアクセラレーション対応、透かしなし、サブスクリプションなし。Windows、macOS、Linux対応。活発にメンテナンスされています。

getopenscreen
⭐ 7,685 TypeScript 👤 getopenscreen Organization 🕐 更新日時 2026-11-21 📅 作成日 2026-03-14
30
TalAter/annyang

💬 あなたのサイトの音声認識

TalAter
⭐ 6,820 TypeScript 👤 TalAter User 🕐 更新日時 2026-10-29 📅 作成日 2013-08-23
31
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
32
argmaxinc/argmax-oss-swift

Apple Silicon 向けオンデバイス音声 AI

argmaxinc
⭐ 6,471 Swift 👤 argmaxinc Organization 🕐 更新日時 2026-10-27 📅 作成日 2024-01-26
33
ddean2009/MoneyPrinterPlus

AIワンクリック一括生成各種ショート動画、自動一括ミキシングショート動画、自動投稿動画をDouyin、Kuaishou、Xiaohongshu、Video Channelに、お金儲けがこんなに簡単だったことはありません!ローカル音声モデルchatTTS、faster-whisper、GPTSoVITSをサポート、クラウド音声サポート:Azure、Alibaba Cloud、Tencent Cloud。Stable diffusion、comfyUI直接AI描画をサポート。AI LLMを使用してワンクリックでショート動画を生成し、一緒にお金を印刷しましょう!サポート:chatTTS、faster-whisper、GPTSoVITS、Azure、Tencent Cloud、Ali Cloud。

ddean2009
⭐ 6,408 Python 👤 ddean2009 User 🕐 更新日時 2025-03-07 📅 作成日 2024-05-09
34
dograh-hq/dograh

オープンソースの音声AIプラットフォーム。VapiおよびRetellのセルフホスト型代替ソリューション。オンプレミス対応、Speech-to-SpeechまたはLLM/STT/TTSでのBYOK(Bring Your Own Key)利用が可能。ビジュアルワークフロービルダー、MCPネイティブ、テレフォニーサポートを完備。

dograh-hq
⭐ 6,240 Python 👤 dograh-hq Organization 🕐 更新日時 2026-11-16 📅 作成日 2025-09-09
35
snakers4/silero-models

Silero モデル:驚くほど簡単に使えるようになった、事前学習済みのテキスト音声変換モデル

snakers4
⭐ 6,223 Jupyter Notebook 👤 snakers4 User 🕐 更新日時 2026-10-15 📅 作成日 2020-09-11
36
Shaunwei/RealChar

🎙️🤖リアルタイムでAIキャラクター/コンパニオンを作成、カスタマイズ、会話(すべて1つのコードベースで!)。LLM OpenAI GPT3.5/4、Anthropic Claude2、Chroma Vector DB、Whisper Speech2Text、ElevenLabs Text2Speechを使用して、どこでも(モバイル、Web、ターミナル)AIと自然でシームレスな会話をしましょう🎙️🤖

Shaunwei
⭐ 6,216 JavaScript 👤 Shaunwei User 🕐 更新日時 2026-01-20 📅 作成日 2023-06-26
37
liuzhao1225/YouDub-Desktop

YouTube/Bilibili向けのオープンソースAI動画ローカライズ・吹き替えツール:音声認識、字幕翻訳、音声クローン、オーディオミキシング、レンダリング。オープンソースのAI動画翻訳・吹き替えツール。

liuzhao1225
⭐ 5,874 TypeScript 👤 liuzhao1225 User 🕐 更新日時 2026-11-21 📅 作成日 2023-12-26
38
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
39
AhmadHassan-BTed/B

自律型でコンテキストを認識するAIデスクトップコンパニオン。Pythonで開発され、リアルタイムの画面認識、カスタムONNX音声合成、アクティブウィンドウの追跡、反応に応じて表情が変化する動的なフローティングUIを備えています。

AhmadHassan-BTed
⭐ 5,177 Python 👤 AhmadHassan-BTed User 🕐 更新日時 2026-07-07 📅 作成日 2026-05-02
40
jianchang512/stt

音声認識からテキストへのツール / JSON、srt字幕、プレーンテキスト形式で出力される、ローカルでオフラインで動作するオーディオ/ビデオ字幕変換ツール

jianchang512
⭐ 4,857 Python 👤 jianchang512 User 🕐 更新日時 2026-01-22 📅 作成日 2023-12-28
41
sanchit-gandhi/whisper-jax

TPUで最大70倍の高速化を実現するOpenAIのWhisperモデルのJAX実装。

sanchit-gandhi
⭐ 4,649 Jupyter Notebook 👤 sanchit-gandhi User 🕐 更新日時 2024-04-03 📅 作成日 2023-03-02
42
gradio-app/fastrtc

リアルタイム通信のためのPythonライブラリ

gradio-app
⭐ 4,639 JavaScript 👤 gradio-app Organization 🕐 更新日時 2026-10-21 📅 作成日 2024-09-25
43
tmoroney/auto-subs

DaVinci Resolve、Premiere、After Effectsに直接接続できるオンデバイス字幕生成。

tmoroney
⭐ 4,598 TypeScript 👤 tmoroney User 🕐 更新日時 2026-11-11 📅 作成日 2023-03-15
44
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
45
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
46
SakiRinn/LiveCaptions-Translator

Windows LiveCaptionsに基づいた、軽量で強力なリアルタイムオーディオ/音声翻訳ツールです。

SakiRinn
⭐ 4,121 C# 👤 SakiRinn User 🕐 更新日時 2026-08-17 📅 作成日 2024-09-13
47
KoljaB/RealtimeVoiceChat

AIと自然な会話をしましょう!

KoljaB
⭐ 3,875 Python 👤 KoljaB User 🕐 更新日時 2026-11-12 📅 作成日 2025-04-19
48
vocodedev/vocode-core

音声ベースのLLMエージェントを構築します。モジュラー+オープンソース。

vocodedev
⭐ 3,670 Python 👤 vocodedev Organization 🕐 更新日時 2024-11-15 📅 作成日 2023-02-24
49
antiboredom/videogrep

Pythonによる自動ビデオスーパーカット

antiboredom
⭐ 3,446 Python 👤 antiboredom User 🕐 更新日時 2024-04-19 📅 作成日 2014-05-27
50
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

よくある質問

1

GitHubで最も人気のある#speech-to-text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#speech-to-textプロジェクトは、115,753個のスターを獲得しているdebpalash/VoiceStudioです。VoiceStudioは、ElevenLabsに代わるオープンソースで完全ローカル動作のソリューションです。646言語に対応し、音声クローン、音声デザイン、動画吹き替え、ディクテーション、文字起こし、オーディオブック作成が可能です。

2

#speech-to-text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#speech-to-textプロジェクトでは、Python, TypeScript, Rust, C++が最も一般的なプログラミング言語です。

3

#speech-to-text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?

#speech-to-textのタグが付いた211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925,003個で、リポジトリあたりの平均は4,383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。