Git Stars Git Stars

#speech-to-text リポジトリ

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

151
Neywa-Labs/mlx-audio-swift

Apple Silicon上でMLXを使用したオーディオ処理のためのモジュール式Swift SDK

Neywa-Labs
⭐ 822 Swift 👤 Neywa-Labs Organization 🕐 更新日時 2026-11-20 📅 作成日 2025-12-03
152
VRCWizard/TTS-Voice-Wizard

音声からテキストへ、テキストから音声へ。現在再生中の曲。テキストをOSCメッセージとしてVRChatに送信し、アバターに表示します。(STTTS) (音声からTTSへ) (VRC STTシステム) (VTuber TTS)

VRCWizard
⭐ 813 C# 👤 VRCWizard User 🕐 更新日時 2026-10-12 📅 作成日 2022-03-15
153
lobehub/lobe-tts

🎤 Lobe TTS - サーバーおよびブラウザ向けの高品質で信頼性の高いTTS/STTライブラリ

lobehub
⭐ 810 TypeScript 👤 lobehub Organization 🕐 更新日時 2026-11-12 📅 作成日 2023-11-02
154
moona3k/macparakeet

Apple Silicon Mac向けの高速、プライベート、ローカルファーストの音声アプリ — ディクテーション、ファイル/メディアの文字起こし、会議録音、変換機能、公開自動化CLI。無料でオープンソース。

moona3k
⭐ 795 Swift 👤 moona3k User 🕐 更新日時 2026-11-09 📅 作成日 2026-02-10
155
MetaWu2077/Esp32_VoiceChat_LLMs

esp32ベースのデバイスで、主に大規模言語モデルとのボイスチャットに使用されます

MetaWu2077
⭐ 794 C++ 👤 MetaWu2077 User 🕐 更新日時 2024-03-24 📅 作成日 2024-03-09
156
mezbaul-h/june

Ollama、Hugging Face Transformers、Coqui TTS Toolkit搭載のエンゲージングな会話のためのローカルボイスチャットボット

mezbaul-h
⭐ 786 Python 👤 mezbaul-h User 🕐 更新日時 2024-08-12 📅 作成日 2024-06-03
157
mallorbc/whisper_mic

OpenAI whisperでマイクを使用できるプロジェクト。

mallorbc
⭐ 784 Python 👤 mallorbc User 🕐 更新日時 2024-07-04 📅 作成日 2022-09-23
158
soupslurpr/Transcribro

Android用のプライベートおよびオンデバイス音声認識キーボードとサービス。

soupslurpr
⭐ 765 Kotlin 👤 soupslurpr User 🕐 更新日時 2026-11-12 📅 作成日 2024-03-15
159
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
160
amanvirparhar/chaplin

リアルタイムのサイレント音声認識ツール。

amanvirparhar
⭐ 763 Python 👤 amanvirparhar User 🕐 更新日時 2025-11-02 📅 作成日 2025-02-03
161
zhangliwei7758/unity-AI-Chat-Toolkit

Unityを使用してAIチャット関連機能を実現します。このライブラリには現在、ChatGPT、ChatGLMなどの大規模言語モデルへのAPI呼び出しコード実装と、Microsoft AzureおよびBaidu AIの音声サービス機能が実装されています。音声サービスはすべてWeb APIを採用しており、Windows/WebGL/Androidなどのプラットフォームをサポートしています。

zhangliwei7758
⭐ 763 👤 zhangliwei7758 User 🕐 更新日時 2025-07-01 📅 作成日 2023-07-22
162
ILikeAI/AlwaysReddy

AlwaysReddyは、ホットキーですぐに利用できるLLM音声アシスタントです。

ILikeAI
⭐ 760 Python 👤 ILikeAI User 🕐 更新日時 2025-03-04 📅 作成日 2024-01-24
163
rapidaai/voice-ai

Rapidaは、リアルタイムの会話音声エージェントを構築するための、音声ストリーミング、STT、TTS、VAD、多チャンネル統合、エージェント状態管理、観測性を備えたオープンソースのエンドツーエンド音声AIオーケストレーションプラットフォームです。

rapidaai
⭐ 760 Go 👤 rapidaai Organization 🕐 更新日時 2026-11-19 📅 作成日 2023-12-07
164
exPHAT/SwiftWhisper

🎤 Swiftでオーディオを文字起こしする最も簡単な方法

exPHAT
⭐ 751 Swift 👤 exPHAT User 🕐 更新日時 2024-05-23 📅 作成日 2023-03-29
165
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
166
lhl/voicechat2

ローカルSRT/LLM/TTSボイスチャット

lhl
⭐ 747 Python 👤 lhl User 🕐 更新日時 2024-10-12 📅 作成日 2024-06-29
167
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
168
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
169
MycroftAI/adapt

適応インテントパーサー

MycroftAI
⭐ 722 Python 👤 MycroftAI Organization 🕐 更新日時 2024-07-21 📅 作成日 2015-09-08
170
Baidu-AIP
⭐ 709 Java 👤 Baidu-AIP Organization 🕐 更新日時 2024-07-25 📅 作成日 2018-02-24
171
jamsch/expo-speech-recognition

React Native Expoプロジェクト用の音声認識

jamsch
⭐ 700 TypeScript 👤 jamsch User 🕐 更新日時 2026-10-29 📅 作成日 2023-10-30
172
Picovoice/speech-to-text-benchmark

スピーチ-to-テキスト ベンチマーク フレームワーク

Picovoice
⭐ 700 Python 👤 Picovoice Organization 🕐 更新日時 2026-11-16 📅 作成日 2018-08-04
173
tover0314-w/opentypeless

macOS、Windows、Linux対応のオープンソースAI音声入力。ホットキーを押して自然に話すだけで、どのアプリでも整えられたテキストが得られます。

tover0314-w
⭐ 696 Rust 👤 tover0314-w User 🕐 更新日時 2026-11-15 📅 作成日 2026-02-26
174
zh-plus/openlrc

WhisperとLLM(GPT、Claudeなど)を使用して、音声をLRCファイルに書き起こして翻訳します。whisperとLLM(GPT、Claudeなど)を使用して、オーディオを書き起こし、字幕ファイルに翻訳します。

zh-plus
⭐ 684 Python 👤 zh-plus User 🕐 更新日時 2026-08-10 📅 作成日 2023-06-08
175
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
176
iskandaryv/meetingly-ai

オープンソースのAI面接アシスタント兼ミーティングコパイロット。Zoom、Google Meet、Teamsの通話中にリアルタイムで回答し、端末上で文字起こしを行い、画面共有には表示されません。Windows、macOS、Linux向けのCluely、Interview Coder、Final Round AIの無料代替ツールです。

iskandaryv
⭐ 669 TypeScript 👤 iskandaryv User 🕐 更新日時 2026-11-13 📅 作成日 2025-09-04
177
DenisovAV/flutter_edge_ai

Flutter向けオンデバイスAI — Gemmaやその他のLLM、マルチモーダル、関数呼び出し、埋め込み、RAG、音声に対応し、Android、iOS、Web、macOS、Windows、Linuxで利用可能。

DenisovAV
⭐ 669 Dart 👤 DenisovAV User 🕐 更新日時 2026-11-20 📅 作成日 2024-04-02
178
evancohen/sonus

:speech_balloon: /so.nus/ STT (音声からテキスト) Node 用 オフライン ホットワード検出

evancohen
⭐ 639 JavaScript 👤 evancohen User 🕐 更新日時 2026-09-11 📅 作成日 2016-08-30
179
ErickWendel/localstudio

ローカルWeb AIを搭載した、ブラウザ専用のCanva風プレゼンテーションスタジオ。

ErickWendel
⭐ 637 TypeScript 👤 ErickWendel User 🕐 更新日時 2026-10-21 📅 作成日 2026-06-24
180
watzon/pindrop

WhisperKitを使用したローカル音声認識によるmacOSメニューバー用ネイティブ音声入力アプリ

watzon
⭐ 628 Swift 👤 watzon User 🕐 更新日時 2026-09-05 📅 作成日 2026-01-26
181
weynechen/intrascribe

内部ネットワークへのプライベートデプロイが可能、チーム/組織向けの音声文字起こし要約ツール、完全なフロントエンドおよびバックエンドコード

weynechen
⭐ 620 TypeScript 👤 weynechen User 🕐 更新日時 2025-09-24 📅 作成日 2025-08-13
182
mmpneo/curses

OBS、VRChat、Twitchチャット、Discord用の音声認識およびKB入力キャプション

mmpneo
⭐ 620 TypeScript 👤 mmpneo User 🕐 更新日時 2024-06-18 📅 作成日 2022-11-16
183
jitsi/jigasi

Jigasi: Jitsi Meet 会議へのゲートウェイとして機能するサーバーサイドアプリケーションです。現在、通常の SIP クライアントが会議に参加できるようにし、文字起こし機能を提供しています。

jitsi
⭐ 615 Java 👤 jitsi Organization 🕐 更新日時 2026-11-18 📅 作成日 2014-08-07
184
vardanagarwal/Proctoring-AI

オンライン監視における自動監視ソフトウェアの作成

vardanagarwal
⭐ 609 Python 👤 vardanagarwal User 🕐 更新日時 2024-12-10 📅 作成日 2020-05-04
185
reriiasu/speech-to-text

faster-whisper を使用したリアルタイム転写

reriiasu
⭐ 607 HTML 👤 reriiasu User 🕐 更新日時 2024-07-23 📅 作成日 2023-03-30
186
tornikegomareli/Talkify

デバイス上で文字起こしを行う、超高速・無料・ローカル優先のmacOS向け音声入力

tornikegomareli
⭐ 599 Swift 👤 tornikegomareli User 🕐 更新日時 2026-10-17 📅 作成日 2026-08-05
187
oxbshw/watch-skill

AIエージェントに目と耳、そして検証可能な成果を。Watch Skillは動画、音声、画面上のアクティビティを、検索可能でタイムスタンプ付きの証拠に変換し、モデルの主観ではなく決定論的な契約によって作業を証明します。DeepWatchはDeepSeek Harnessを基盤とするエージェント向けワークスペースです。Python + npm、MCP、CLI、REST、Webに対応。

oxbshw
⭐ 599 Python 👤 oxbshw User 🕐 更新日時 2026-11-16 📅 作成日 2026-07-05
188
Xewdy444/Playwright-reCAPTCHA

Playwrightを使用してreCAPTCHA v2およびv3を解決するためのPythonライブラリ

Xewdy444
⭐ 592 Python 👤 Xewdy444 User 🕐 更新日時 2026-11-17 📅 作成日 2023-01-19
189
PunithVT/ai-avatar-system

🎭 AIアバター/デジタルヒューマンプラットフォーム — 写真をアップロードし、声をクローンして、リップシンク動画であらゆる顔とリアルタイムに会話できます。オープンソースでセルフホスト対応。Claude · Whisper · Chatterbox · MuseTalk。

PunithVT
⭐ 586 Python 👤 PunithVT User 🕐 更新日時 2026-11-13 📅 作成日 2025-11-30
190
dsa/fast-voice-assistant

⚡ 応答時間 <500ms の驚異的なAI音声アシスタント

dsa
⭐ 581 Python 👤 dsa User 🕐 更新日時 2024-12-03 📅 作成日 2024-08-27
⭐ 580 C# 👤 VolcanicArts User 🕐 更新日時 2026-10-29 📅 作成日 2022-03-14
192
ElishaAz/Sayboard

Vosk ライブラリを使用した Android 向けのオープンソースオンデバイス音声 IME(キーボード)。

ElishaAz
⭐ 572 Kotlin 👤 ElishaAz User 🕐 更新日時 2025-07-01 📅 作成日 2022-02-16
193
algolia/voice-overlay-ios

🗣 ユーザーの音声許可を取得し、カスタマイズ可能なUIでテキストとして入力するオーバーレイ

algolia
⭐ 557 Swift 👤 algolia Organization 🕐 更新日時 2026-06-23 📅 作成日 2018-06-25
194
SonicloudTech/mouse-mcp

Windows x64 上の AI エージェント向けハードウェアマウス MCP サーバー。USB HID 制御と音声ディクテーションに対応し、互換性のある uMouse ハードウェアとファームウェアが必要です。

SonicloudTech
⭐ 555 TypeScript 👤 SonicloudTech Organization 🕐 更新日時 2026-10-31 📅 作成日 2026-10-20
195
opennookorg/betterwispr

macOS向けの無料・オープンソースで、ローカル処理を優先する音声入力アプリ。ショートカットキーを押しながら話すと、どのアプリにもテキストが入力されます。Whisper、Parakeet、Appleの音声認識を使ったオンデバイス音声文字起こし。プライバシーを重視した、オフライン対応のオープンソース版Wispr Flowです。

opennookorg
⭐ 544 Swift 👤 opennookorg Organization 🕐 更新日時 2026-11-14 📅 作成日 2026-10-07
196
rtzr/Awesome-Korean-Speech-Recognition

韓国語音声認識STT APIリスト。各性能ベンチマーク。

rtzr
⭐ 542 👤 rtzr Organization 🕐 更新日時 2025-08-15 📅 作成日 2023-08-21
197
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
198
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
199
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
200
C4rohan/Lampline

自分のパソコンでAI電話エージェントを構築し、AI発信者を使って変更のたびにテストできます。オープンソースで、APIキーなしなら無料で実行可能。自分のキーを使えば通話1回あたり数セントです。Dialogflow CXをインポートできます。

C4rohan
⭐ 529 Python 👤 C4rohan User 🕐 更新日時 2026-11-11 📅 作成日 2026-10-19