Git Stars Git Stars

#asr Repositórios

Descubra 100 repositórios ativos de código aberto no GitHub marcados com #asr, acumulando um total de 289,141 estrelas (uma média de 2,891 por projeto). O líder deste tópico é m-bain/whisperX, com 25,556 estrelas.

100
Total de Repositórios
289,141
Total de estrelas
2,891
Média de Estrelas/Repositório

101 repositórios no total

1
m-bain/whisperX

WhisperX: Reconhecimento Automático de Fala com Carimbos de Tempo em Nível de Palavra (& Diarização)

m-bain
⭐ 25,556 Python 👤 m-bain User 🕐 Atualizado 2026-11-21 📅 Criado 2022-12-09
2
modelscope/FunASR

Kit de ferramentas de reconhecimento de fala de código aberto para treinamento, inferência, ASR em streaming, VAD, pontuação, pipelines de diarização de falantes e serviço compatível com OpenAI/MCP.

modelscope
⭐ 21,091 Python 👤 modelscope Organization 🕐 Atualizado 2026-11-21 📅 Criado 2022-11-24
3
NVIDIA-NeMo/Speech

Uma estrutura de IA generativa escalável construída para pesquisadores e desenvolvedores que trabalham com Modelos de Linguagem Grandes (Large Language Models), IA Multimodal e de Fala (Reconhecimento Automático de Fala e Síntese de Fala)

NVIDIA-NeMo
⭐ 18,775 Python 👤 NVIDIA-NeMo Organization 🕐 Atualizado 2026-11-21 📅 Criado 2019-08-05
4
k2-fsa/sherpa-onnx

Reconhecimento de fala para texto, texto para fala, diarização de falantes, aprimoramento de fala, separação de fontes e VAD usando a próxima geração do Kaldi com onnxruntime sem conexão com a Internet. Suporte para sistemas embarcados, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, NPU RK, NPU Axera, NPU Ascend, servidores x86_64, servidor/cliente websocket, suporte para 12 linguagens de programação

k2-fsa
⭐ 16,076 C++ 👤 k2-fsa Organization 🕐 Atualizado 2026-11-21 📅 Criado 2022-09-01
5
alphacep/vosk-api

API de reconhecimento de fala offline para Android, iOS, Raspberry Pi e servidores com Python, Java, C# e Node

alphacep
⭐ 15,278 Jupyter Notebook 👤 alphacep Organization 🕐 Atualizado 2026-10-15 📅 Criado 2019-09-03
6
PaddlePaddle/PaddleSpeech

Kit de Fala Fácil de Usar, incluindo modelo de Aprendizagem Auto-Supervisionada, ASR SOTA/Streaming com pontuação, TTS de Streaming com frontend de texto, Sistema de Verificação de Locutor, Tradução de Fala End-to-End e Keyword Spotting. Ganhou o Prêmio Melhor Demo da NAACL2022.

PaddlePaddle
⭐ 12,713 Python 👤 PaddlePaddle Organization 🕐 Atualizado 2026-08-12 📅 Criado 2017-11-14
7
speechbrain/speechbrain

Um kit de ferramentas de fala baseado em PyTorch

speechbrain
⭐ 11,946 Python 👤 speechbrain Organization 🕐 Atualizado 2026-10-14 📅 Criado 2020-04-28
8
QwenAudio/SenseVoice

Modelo SenseVoiceSmall de código aberto para ASR em mandarim, cantonês, inglês, japonês e coreano, identificação de idioma, reconhecimento de emoções e detecção de eventos de áudio.

QwenAudio
⭐ 9,797 C 👤 QwenAudio Organization 🕐 Atualizado 2026-09-30 📅 Criado 2024-07-03
9
jdepoix/youtube-transcript-api

Esta é uma API em python que permite obter a transcrição/legendas para um determinado vídeo do YouTube. Funciona também para legendas geradas automaticamente e não requer uma chave de API nem um navegador 'headless', como outras soluções baseadas em selenium fazem!

jdepoix
⭐ 8,644 Python 👤 jdepoix User 🕐 Atualizado 2026-11-09 📅 Criado 2018-04-20
10
wzpan/wukong-robot

🤖 wukong-robot é um projeto de robô de conversação de voz chinês (smart speaker) simples, flexível e elegante, que suporta capacidade de conversação multi-turn do ChatGPT, e pode ser também o primeiro projeto de smart speaker de código aberto a suportar interação cérebro-computador (BCI).

wzpan
⭐ 7,063 Python 👤 wzpan User 🕐 Atualizado 2024-10-25 📅 Criado 2019-01-16
11
modelscope/FunClip

Ferramenta de transcrição de vídeo, geração de legendas e corte assistido por LLM, alimentada por FunASR com interface Gradio local.

modelscope
⭐ 6,613 Python 👤 modelscope Organization 🕐 Atualizado 2026-11-01 📅 Criado 2023-05-17
12
MahmoudAshraf97/whisper-diarization

Reconhecimento Automático de Fala com Diarização de Locutor baseado em OpenAI Whisper

MahmoudAshraf97
⭐ 5,676 Jupyter Notebook 👤 MahmoudAshraf97 User 🕐 Atualizado 2026-08-15 📅 Criado 2023-01-25
13
xiangyuecn/Recorder

HTML5 JS gravação MP3 WAV OGG WebM AMR G711A G711U formatos, suporta PC e Android, iOS alguns navegadores Web, Hybrid App (fornece código-fonte de App Android iOS), WeChat, fornece ASR reconhecimento de voz para texto versão H5 exemplo de chat de chamada de voz DTMF codificação/decodificação

xiangyuecn
⭐ 5,642 JavaScript 👤 xiangyuecn User 🕐 Atualizado 2026-07-30 📅 Criado 2018-05-16
14
wenet-e2e/wenet

Kit de Reconhecimento de Fala de Ponta a Ponta Pronto para Produção e com Foco na Produção

wenet-e2e
⭐ 5,258 Python 👤 wenet-e2e Organization 🕐 Atualizado 2026-10-26 📅 Criado 2020-11-17
15
umlx5h/LLPlayer

O reprodutor de mídia para aprendizado de idiomas, com legendas duplas, legendas geradas por IA, tradução em tempo real e muito mais!

umlx5h
⭐ 4,779 C# 👤 umlx5h User 🕐 Atualizado 2026-11-05 📅 Criado 2025-01-31
16
0xShug0/audio.cpp

Um mecanismo de inferência tudo-em-um, puro em C++, para modelos de áudio, alimentado por ggml. Suporta TTS, STT, VAD, conversão de voz, geração de música e muito mais, com desempenho altamente otimizado. Sem dependência de Python.

0xShug0
⭐ 4,385 C++ 👤 0xShug0 User 🕐 Atualizado 2026-11-21 📅 Criado 2026-06-23
17
Open-Less/openless

Segure uma tecla, fale, solte — texto polido por IA aparece no seu cursor em qualquer app. Entrada de voz open-source para macOS e Windows.

Open-Less
⭐ 4,148 Rust 👤 Open-Less Organization 🕐 Atualizado 2026-11-21 📅 Criado 2026-04-27
18
PeterH0323/Streamer-Sales

Streamer-Sales Campeão de Vendas — O grande modelo LLM para streamers vendedores 🛒🎁, um modelo LLM capaz de descrever produtos com base nas suas características dadas, visando estimular a intenção de compra dos utilizadores. 🚀⭐Inclui um processo detalhado de geração de dados❗ 📦Além disso, integra: inferência acelerada LMDeploy 🚀, Geração Aumentada por Recuperação (RAG) 📚, Texto para Fala (TTS) 🔊, geração de humanos digitais 🦸, Agente para consulta de informações em tempo real na web 🌐, Reconhecimento Automático de Fala (ASR) para conversão de áudio em texto 🎙️, construção de frontend com ecossistema Vue 🍍, construção de backend com FastAPI 🗝️, e implantação empacotada com Docker-compose 🐋.

PeterH0323
⭐ 3,695 Python 👤 PeterH0323 User 🕐 Atualizado 2025-03-08 📅 Criado 2024-04-05
19
ahmetoner/whisper-asr-webservice

API de Serviço Web OpenAI Whisper ASR

ahmetoner
⭐ 3,370 Python 👤 ahmetoner User 🕐 Atualizado 2026-10-01 📅 Criado 2022-09-22
20
FluidInference/FluidAudio

Modelos de áudio CoreML de ponta em seus aplicativos — texto para fala, fala para texto, detecção de atividade de voz e diarização de locutores. Em Swift, desenvolvido com código aberto SOTA.

FluidInference
⭐ 3,319 Swift 👤 FluidInference Organization 🕐 Atualizado 2026-11-19 📅 Criado 2025-06-21
21
Purfview/whisper-standalone-win

Executáveis autônomos do Whisper e Faster-Whisper para aqueles que não querem se incomodar com Python.

Purfview
⭐ 3,229 👤 Purfview User 🕐 Atualizado 2025-11-07 📅 Criado 2023-02-25
22
AutoArk/GPA

[AutoArk] O GPA (General Purpose Audio) pode realizar ASR, TTS e conversão de voz com um único modelo minúsculo!

AutoArk
⭐ 3,054 Python 👤 AutoArk Organization 🕐 Atualizado 2026-05-25 📅 Criado 2025-12-16
23
CheshireCC/faster-whisper-GUI

GUI faster_whisper com PySide6

CheshireCC
⭐ 2,999 Python 👤 CheshireCC User 🕐 Atualizado 2026-08-25 📅 Criado 2023-07-18
⭐ 2,868 Python 👤 tensorflow Organization 🕐 Atualizado 2026-10-29 📅 Criado 2018-07-24
25
linto-ai/whisper-timestamped

Reconhecimento Automático de Fala Multilíngue com carimbos de tempo e confiança a nível de palavra

linto-ai
⭐ 2,860 Python 👤 linto-ai Organization 🕐 Atualizado 2026-09-28 📅 Criado 2023-01-13
26
harry0703/AudioNotes

Extração rápida de conteúdo de áudio e vídeo, e organização em uma nota Markdown estruturada

harry0703
⭐ 2,564 Python 👤 harry0703 User 🕐 Atualizado 2026-08-19 📅 Criado 2024-07-19
27
coqui-ai/STT

🐸STT - O kit de ferramentas de aprendizado profundo para Fala para Texto. Treinar e implantar modelos STT nunca foi tão fácil.

coqui-ai
⭐ 2,547 C++ 👤 coqui-ai Organization 🕐 Atualizado 2024-03-11 📅 Criado 2021-03-04
28
handy-computer/transcribe.cpp

Inferência de fala para texto ggml para mais de 16 famílias de modelos

handy-computer
⭐ 2,194 C++ 👤 handy-computer Organization 🕐 Atualizado 2026-11-20 📅 Criado 2026-04-07
29
FireRedTeam/FireRedASR

Modelos ASR de código aberto de nível industrial que suportam mandarim, dialetos chineses e inglês, alcançando um novo SOTA em benchmarks públicos de ASR em mandarim, ao mesmo tempo que oferecem capacidade excepcional de reconhecimento de letras de músicas.

FireRedTeam
⭐ 2,014 Python 👤 FireRedTeam Organization 🕐 Atualizado 2026-02-25 📅 Criado 2025-01-24
30
tuya/TuyaOpen

Framework de IA+IoT de próxima geração para T2/T3/T5AI/ESP32/e mais – Integração rápida de hardware de agente de IA e IoT

tuya
⭐ 1,956 C 👤 tuya Organization 🕐 Atualizado 2026-11-20 📅 Criado 2023-12-25
31
sgl-project/sglang-omni

Ambiente de execução de alto desempenho para servir sistemas de superinteligência interativos

sgl-project
⭐ 1,882 Python 👤 sgl-project Organization 🕐 Atualizado 2026-11-21 📅 Criado 2026-01-07
32
k2-fsa/sherpa-ncnn

Reconhecimento de fala em tempo real e detecção de atividade de voz (VAD) usando Kaldi de próxima geração com ncnn, sem conexão com a Internet. Suporte para iOS, Android, Linux, macOS, Windows, Raspberry Pi, VisionFive2, LicheePi4A etc.

k2-fsa
⭐ 1,801 C++ 👤 k2-fsa Organization 🕐 Atualizado 2026-11-12 📅 Criado 2022-09-04
33
wwbin2017/bailing

Bailing é um robô de conversa por voz semelhante ao GPT-4o, implementado via ASR+LLM+TTS, integrado com excelentes modelos grandes como DeepSeek R1, conectado ao openClaw, um verdadeiro assistente de voz pessoal com latência tão baixa quanto 800ms, executável em dispositivos de baixa configuração como Mac, suporta interrupção

wwbin2017
⭐ 1,794 Python 👤 wwbin2017 User 🕐 Atualizado 2026-04-06 📅 Criado 2024-08-25
34
mkiol/dsnote

Aplicativo Speech Note para Linux. Anotações, leitura e tradução com Speech to Text, Text to Speech e Tradução Automática offline.

mkiol
⭐ 1,720 C++ 👤 mkiol User 🕐 Atualizado 2026-11-18 📅 Criado 2021-10-07
35
yuezhiai/jonex

Motor de análise multimodal tudo-em-um + motor de conhecimento pronto para IA, orientado por ontologias e alimentado por uma Wiki baseada em LLM

yuezhiai
⭐ 1,714 Python 👤 yuezhiai Organization 🕐 Atualizado 2026-11-20 📅 Criado 2026-07-19
36
amicalhq/amical

Digitação por voz gratuita e de código aberto para macOS e Windows. Transcrição local de fala para texto com Whisper e Parakeet, também disponível offline.

amicalhq
⭐ 1,648 TypeScript 👤 amicalhq Organization 🕐 Atualizado 2026-11-21 📅 Criado 2025-05-08
37
byjlw/video-analyzer

Analisar vídeos usando LLMs, Visão Computacional e Reconhecimento Automático de Fala

byjlw
⭐ 1,620 Python 👤 byjlw User 🕐 Atualizado 2026-04-19 📅 Criado 2024-11-10
38
QwenAudio/Fun-ASR

Modelos de reconhecimento de fala Fun-ASR, com suporte nativo ao Hugging Face Transformers para o Fun-ASR-Nano e caminhos de implantação separados para FunASR, vLLM e llama.cpp.

QwenAudio
⭐ 1,614 C 👤 QwenAudio Organization 🕐 Atualizado 2026-11-20 📅 Criado 2025-12-15
39
Delta-ML/delta

DELTA é uma plataforma de processamento de linguagem natural e fala baseada em aprendizado profundo. Projetos LF AI & DATA: https://lfaidata.foundation/projects/delta/

Delta-ML
⭐ 1,602 Python 👤 Delta-ML Organization 🕐 Atualizado 2025-04-16 📅 Criado 2019-05-29
40
nyrahealth/CrisperWhisper

Transcrição controlável. Literal (cada muleta, pausa, gaguejo e som vocal) ou intencional (o que o falante pretendia dizer, otimizado para facilitar a leitura), com marcações de tempo no nível das palavras.

nyrahealth
⭐ 1,498 Python 👤 nyrahealth Organization 🕐 Atualizado 2026-11-11 📅 Criado 2024-05-24
41
mbailey/voicemode

Conversas de voz naturais com o Claude Code

mbailey
⭐ 1,472 Python 👤 mbailey User 🕐 Atualizado 2026-11-20 📅 Criado 2025-06-08
42
R3gm/SoniTranslate

Tradução Sincronizada para Vídeos. Dublagem de vídeo

R3gm
⭐ 1,430 Python 👤 R3gm User 🕐 Atualizado 2026-08-29 📅 Criado 2023-06-27
43
lenML/Speech-AI-Forge

🍦 Speech-AI-Forge é um projeto desenvolvido em torno do modelo de geração TTS, implementando um Servidor API e uma WebUI baseada em Gradio.

lenML
⭐ 1,420 Python 👤 lenML Organization 🕐 Atualizado 2026-05-21 📅 Criado 2024-06-01
44
Henry-23/VideoChat

Humano digital interativo de voz em tempo real, com aparência e voz personalizáveis, que suporta clonagem de voz e apresenta um atraso de diálogo de apenas 3s.

Henry-23
⭐ 1,333 Python 👤 Henry-23 User 🕐 Atualizado 2025-12-18 📅 Criado 2024-10-18
45
goodroot/hyprwhspr

Reconhecimento de voz nativo para Linux - Ditado rápido, preciso, privado e hackeável em todo o sistema

goodroot
⭐ 1,287 Python 👤 goodroot User 🕐 Atualizado 2026-11-19 📅 Criado 2025-08-27
46
soniqo/speech-swift

Kit de ferramentas de fala por IA para Apple Silicon — ASR, TTS, fala-para-fala, VAD e diarização alimentados por MLX e CoreML

soniqo
⭐ 1,284 Swift 👤 soniqo Organization 🕐 Atualizado 2026-11-18 📅 Criado 2026-02-04
47
ictnlp/StreamSpeech

StreamSpeech é um modelo contínuo "tudo em um" para reconhecimento de fala offline e simultâneo, tradução de fala e síntese de fala.

ictnlp
⭐ 1,274 Python 👤 ictnlp Organization 🕐 Atualizado 2025-06-29 📅 Criado 2024-06-04
48
alphacep/vosk-server

Servidor de reconhecimento de fala WebSocket, gRPC e WebRTC baseado nas bibliotecas Vosk e Kaldi

alphacep
⭐ 1,259 Python 👤 alphacep Organization 🕐 Atualizado 2025-07-25 📅 Criado 2019-05-07
49
gufo-org/gufo

O mecanismo de IA de código aberto para AMD Strix Halo. Modelos de texto, embeddings, fala, imagem e vídeo em um único binário, com APIs compatíveis com OpenAI, cache para agentes de programação e extensões de modelos. Linux e Windows.

gufo-org
⭐ 1,236 C++ 👤 gufo-org Organization 🕐 Atualizado 2026-11-21 📅 Criado 2026-08-11
50
yeyupiaoling/Whisper-Finetune

Ajuste fino do modelo de reconhecimento de fala Whisper para suportar treinamento sem dados de carimbo de data/hora, treinamento com dados de carimbo de data/hora e treinamento sem dados de fala. Acelere a inferência e suporte implantação na Web, implantação em desktop Windows e implantação no Android

yeyupiaoling
⭐ 1,222 C 👤 yeyupiaoling User 🕐 Atualizado 2026-05-08 📅 Criado 2023-04-22

Perguntas Frequentes

1

Qual é o repositório de #asr mais popular no GitHub?

O projeto de código aberto de #asr mais bem classificado no GitHub é m-bain/whisperX, com 25,556 estrelas. WhisperX: Reconhecimento Automático de Fala com Carimbos de Tempo em Nível de Palavra (& Diarização)

2

Quais linguagens de programação são mais usadas nos repositórios de #asr?

Entre os projetos de #asr mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, C++, C, Jupyter Notebook.

3

Como é calculada a classificação dos repositórios de #asr?

Acompanhamos 100 repositórios ativos de código aberto marcados com #asr (com mais de 500 estrelas), totalizando 289,141 estrelas e uma média de 2,891 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.