Git Stars Git Stars

#voice-activity-detection リポジトリ

#voice-activity-detectionのタグが付いた、GitHub上の34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106,805個で、プロジェクトあたりの平均は3,141個です。このトピックをリードしているのは、21,091個のスターを獲得しているmodelscope/FunASRです。

34
リポジトリ総数
106,805
合計スター数
3,141
リポジトリあたりの平均スター数

リポジトリ合計35件

1
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
2
pyannote/pyannote-audio

話者ダイアライゼーションのためのニューラルビルディングブロック:音声活動検出、話者変更検出、重なり音声検出、話者エンベディング

pyannote
⭐ 10,821 Jupyter Notebook 👤 pyannote Organization 🕐 更新日時 2026-11-19 📅 作成日 2016-03-07
3
snakers4/silero-vad

Silero VAD: 事前トレーニング済みのエンタープライズグレード音声アクティビティ検出器

snakers4
⭐ 10,732 Python 👤 snakers4 User 🕐 更新日時 2026-11-20 📅 作成日 2020-11-23
4
noisetorch/NoiseTorch

Linuxでのリアルタイムマイクノイズ抑制。

noisetorch
⭐ 10,268 Go 👤 noisetorch Organization 🕐 更新日時 2025-01-13 📅 作成日 2020-07-04
5
smacke/ffsubsync

字幕をビデオと自動的に同期。

smacke
⭐ 7,951 Python 👤 smacke User 🕐 更新日時 2026-07-24 📅 作成日 2019-02-24
6
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
7
ufal/whisper_streaming

長文の音声テキスト書き起こしと翻訳のためのWhisperリアルタイムストリーミング

ufal
⭐ 3,680 Python 👤 ufal Organization 🕐 更新日時 2025-11-12 📅 作成日 2023-04-05
8
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
9
iamsrikanthnani/pluely

Cluely のオープンソースの代替品 - 会議、インタビュー、会話中に誰も気づかずにシームレスに機能する、超高速でプライバシー重視のAIアシスタント。ネイティブパフォーマンスのためにTauriで構築され、わずか10MB。ビデオ通話、画面共有、録音で完全に検出されません。

iamsrikanthnani
⭐ 2,793 TypeScript 👤 iamsrikanthnani User 🕐 更新日時 2026-10-26 📅 作成日 2025-08-16
11
wiseman/py-webrtcvad

WebRTC 音声活動検出器の Python インターフェース

wiseman
⭐ 2,417 C 👤 wiseman User 🕐 更新日時 2024-07-04 📅 作成日 2016-04-23
12
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
13
jianfch/stable-ts

OpenAIのWhisperによる文字起こし、強制アライメント、音声インデックス作成

jianfch
⭐ 2,251 Python 👤 jianfch User 🕐 更新日時 2025-10-29 📅 作成日 2022-09-29
14
jim-schwoebel/voice_datasets

🔊 音声およびサウンドコンピューティングのためのオープンソースデータセットの包括的なリスト(95以上のデータセット)。

jim-schwoebel
⭐ 2,106 👤 jim-schwoebel User 🕐 更新日時 2024-06-06 📅 作成日 2019-07-24
15
ricky0123/vad

シンプルなAPIを備えたブラウザ用音声活動検出器 (VAD)

ricky0123
⭐ 2,080 TypeScript 👤 ricky0123 User 🕐 更新日時 2026-09-12 📅 作成日 2022-10-17
16
juanmc2005/diart

AI搭載リアルタイムオーディオアプリケーションを構築するためのPythonパッケージ

juanmc2005
⭐ 2,045 Python 👤 juanmc2005 User 🕐 更新日時 2026-06-19 📅 作成日 2021-08-09
17
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
18
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
19
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
20
ABexit/ASR-LLM-TTS

これは、ASR、LLM、TTSを順次統合したオープンソースモデルに基づいた音声対話システムです。ASRモデルはSenceVoice、LLMモデルはQWen2.5-0.5B/1.5B、TTSモデルはCosyVoice、Edge-TTS、pyttsx3の3つです。

ABexit
⭐ 1,283 Python 👤 ABexit User 🕐 更新日時 2026-06-03 📅 作成日 2024-11-12
21
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
22
ggeop/Python-ai-assistant

Python AI アシスタント 🧠

ggeop
⭐ 994 Python 👤 ggeop User 🕐 更新日時 2024-11-17 📅 作成日 2019-05-16
23
sandrohanea/whisper.net

Whisper.net. Whisperモデルを使用した簡単な音声テキスト変換

sandrohanea
⭐ 954 C# 👤 sandrohanea User 🕐 更新日時 2026-11-15 📅 作成日 2023-02-03
24
ina-foss/inaSpeechSegmenter

CNNベースのオーディオセグメンテーションツールキット。音声、音楽、ノイズ、話者性別を検出可能。性別ごとの発話時間に基づく大規模なジェンダー平等研究のために設計されています。

ina-foss
⭐ 919 Python 👤 ina-foss Organization 🕐 更新日時 2026-03-12 📅 作成日 2018-03-12
25
google/visqol

音声とオーディオのための知覚品質推定器

google
⭐ 894 C++ 👤 google Organization 🕐 更新日時 2025-05-17 📅 作成日 2019-12-06
26
amsehili/auditok

音声アクティビティ検出およびオーディオセグメンテーションツール

amsehili
⭐ 862 Python 👤 amsehili User 🕐 更新日時 2026-07-28 📅 作成日 2015-09-17
27
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
28
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
29
dpirch/libfvad

WebRTCのVADエンジンを基にした音声活動検出 (VAD) ライブラリ

dpirch
⭐ 570 C 👤 dpirch User 🕐 更新日時 2024-04-02 📅 作成日 2016-09-17
30
FireRedTeam/FireRedVAD

SOTA産業グレードの音声アクティビティ検出とオーディオイベント検出で、100以上の言語をサポートし、Silero-VAD、TEN-VAD、FunASR-VAD、WebRTC-VADを凌駕します

FireRedTeam
⭐ 569 Python 👤 FireRedTeam Organization 🕐 更新日時 2026-05-06 📅 作成日 2026-03-03
31
0x5446/api4sensevoice

sensevoice 用の API および websocket サーバー。VAD 検出、リアルタイム ストリーミング認識、話者検証などの強化された機能の一部を継承しています。

0x5446
⭐ 537 Python 👤 0x5446 User 🕐 更新日時 2024-10-23 📅 作成日 2024-08-11
32
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
33
nyosegawa/speech.cpp

ggml 上の C++ による音声会話向けの音声合成、音声認識、音声活動検出:Metal、Vulkan、CPU で動作する Qwen3-TTS、Irodori-TTS、Qwen3-ASR、ReazonSpeech、parakeet、Silero VAD。OpenAI 互換サーバーとライブ文字起こしにも対応。

nyosegawa
⭐ 510 C++ 👤 nyosegawa User 🕐 更新日時 2026-11-20 📅 作成日 2026-09-29
34
baxtree/subaligner

字幕を自動的に同期して翻訳するか、または転写することで新しい字幕を作成し、事前学習済みDNN、フォースドアライメント、Transformerを使用します。 https://subaligner.readthedocs.io/

baxtree
⭐ 509 Python 👤 baxtree User 🕐 更新日時 2026-11-02 📅 作成日 2019-12-16
35
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#voice-activity-detection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#voice-activity-detectionプロジェクトは、21,091個のスターを獲得しているmodelscope/FunASRです。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。

2

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

3

#voice-activity-detection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?

#voice-activity-detectionのタグが付いた34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106,805個で、リポジトリあたりの平均は3,141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。