Git Stars Git Stars

#asr Repositórios

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

101 repositórios no total

51
Kieirra/murmure

Totalmente local, privado e multiplataforma Speech-to-Text com pós-processamento LLM

Kieirra
⭐ 1,170 TypeScript 👤 Kieirra User 🕐 Atualizado 2026-11-20 📅 Criado 2025-10-12
52
xzf-thu/Mega-ASR

Primeiro ASR fundamental construído para o mundo real - 7 condições acústicas atômicas, 54 cenários compostos, 2,6 milhões de amostras e até ~30% de ganhos sobre o SOTA onde todos os outros modelos falham. **Você voltará ao MEGA-ASR, depois que os outros falharem na natureza. ⭐**

xzf-thu
⭐ 1,152 Python 👤 xzf-thu User 🕐 Atualizado 2026-09-02 📅 Criado 2026-05-16
53
sooftware/conformer

[Não oficial] Implementação em PyTorch de "Conformer: Convolution-augmented Transformer for Speech Recognition" (INTERSPEECH 2020)

sooftware
⭐ 1,137 Python 👤 sooftware User 🕐 Atualizado 2026-11-15 📅 Criado 2021-01-21
54
shang-zhu/violin

Habilidade de tradução de vídeo de código aberto

shang-zhu
⭐ 1,091 Python 👤 shang-zhu User 🕐 Atualizado 2026-09-04 📅 Criado 2026-04-07
55
alphacep/vosk-android-demo

Reconhecimento de fala offline para Android com a biblioteca Vosk.

alphacep
⭐ 1,064 Java 👤 alphacep Organization 🕐 Atualizado 2025-12-08 📅 Criado 2019-09-03
56
pykaldi/pykaldi

Um wrapper Python para Kaldi

pykaldi
⭐ 1,039 Python 👤 pykaldi Organization 🕐 Atualizado 2025-11-30 📅 Criado 2017-06-19
57
k2-fsa/sherpa

Framework de servidor de reconhecimento de fala com Kaldi de próxima geração

k2-fsa
⭐ 1,022 C++ 👤 k2-fsa Organization 🕐 Atualizado 2026-11-21 📅 Criado 2022-05-20
58
233stone/vocotype-cli

VocoType é uma ferramenta de entrada de voz privada e segura que roda no lado do cliente local. Com uma tecla de atalho, converte a voz em texto em tempo real e insere automaticamente na aplicação atual. Suporta funções como MCP de voz para texto, otimização de texto com IA, dicionário de substituição personalizado, transcrição de áudio e vídeo para texto, tornando a entrada de voz mais eficiente e segura.

233stone
⭐ 1,016 Python 👤 233stone User 🕐 Atualizado 2026-10-14 📅 Criado 2025-10-13
59
nomily-ai/nomily-app

Assistente de gravação de voz com BYOK, transcrição ASR, diarização de falantes, resumos por IA e suporte a endpoints ASR locais.

nomily-ai
⭐ 1,014 👤 nomily-ai User 🕐 Atualizado 2026-11-19 📅 Criado 2026-08-05
60
freewym/espresso

Espresso: Um Kit de Ferramentas Rápido de Ponta a Ponta para Reconhecimento Neural de Fala

freewym
⭐ 942 Python 👤 freewym User 🕐 Atualizado 2024-09-04 📅 Criado 2018-12-02
61
geekwenjie/SmartJavaAI

🔥🔥🔥Caixa de ferramentas de algoritmos de IA gratuitos e offline para Java, suportando reconhecimento facial, detecção de vivacidade, reconhecimento de expressões, detecção de objetos, segmentação de instâncias, detecção de pedestres, reconhecimento de texto OCR, reconhecimento de placas de veículos, reconhecimento de tabelas, ASR+TTS, tradução automática e outras funções, utilizável via referência Maven. Suporta PyTorch, Tensorflow e integrou modelos principais como Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR(PPOCRv5), Whisper, etc.

geekwenjie
⭐ 941 Java 👤 geekwenjie User 🕐 Atualizado 2026-06-20 📅 Criado 2025-02-21
62
TheDeathDragon/LiveTranslate

Tradução de áudio em tempo real, captura áudio do sistema + microfone, executa ASR (Whisper/SenseVoice), traduz via API LLM com exibição em streaming. Perfeito para VTubers, streamers e assistir conteúdo estrangeiro.

TheDeathDragon
⭐ 923 Python 👤 TheDeathDragon User 🕐 Atualizado 2026-08-17 📅 Criado 2026-03-15
63
hehehai/VoxtMini

Entrada de voz para macOS com modelos locais: transcreva, traduza e reescreva em qualquer app. O sucessor do Voxt.

hehehai
⭐ 916 Go 👤 hehehai User 🕐 Atualizado 2026-11-21 📅 Criado 2026-02-26
64
innovatorved/whisper.api

Este projeto fornece uma API com suporte a acesso em nível de usuário para transcrever fala em texto, utilizando um modelo ASR Whisper ajustado e processado.

innovatorved
⭐ 914 Python 👤 innovatorved User 🕐 Atualizado 2026-11-20 📅 Criado 2023-08-12
65
lifeiteng/OmniSenseVoice

Omni SenseVoice: Reconhecimento de Voz de Alta Velocidade com timestamps das palavras 🗣️🎯

lifeiteng
⭐ 897 Python 👤 lifeiteng User 🕐 Atualizado 2025-12-10 📅 Criado 2024-09-22
66
BryceWG/BiBi-Keyboard

BiBi Keyboard: teclado de entrada de voz com LLM e ASR para a plataforma Android baseado em Kotlin

BryceWG
⭐ 896 Kotlin 👤 BryceWG User 🕐 Atualizado 2026-11-19 📅 Criado 2025-10-06
67
Spr-Aachen/Easy-Voice-Toolkit

Kit de ferramentas amigável ao usuário para reconhecimento/transcrição/conversão de voz etc. | Caixa de ferramentas de voz simples e fácil de usar

Spr-Aachen
⭐ 870 Python 👤 Spr-Aachen User 🕐 Atualizado 2026-10-25 📅 Criado 2023-02-09
68
yeyupiaoling/PPASR

Implementação ponta a ponta de reconhecimento de fala chinês baseada em PaddlePaddle, do básico à prática, com casos de uso de entrada super simples e projetos empresariais super práticos. Suporta os modelos DeepSpeech2, Conformer e Squeezeformer mais populares atualmente.

yeyupiaoling
⭐ 868 Python 👤 yeyupiaoling User 🕐 Atualizado 2025-12-17 📅 Criado 2021-02-26
69
zai-org/GLM-ASR

GLM-ASR-Nano: Um modelo robusto de reconhecimento de fala de código aberto com 1,5 bilhão de parâmetros

zai-org
⭐ 864 Python 👤 zai-org Organization 🕐 Atualizado 2026-03-06 📅 Criado 2025-12-09
70
aiola-lab/whisper-medusa

Sussurro com cabeças de Medusa

aiola-lab
⭐ 860 Python 👤 aiola-lab Organization 🕐 Atualizado 2026-07-02 📅 Criado 2024-07-17
71
AkagawaTsurunaki/ZerolanLiveRobot

VTuber de IA com LLM, ASR, TTS, OCR, CV e outras tecnologias para fazer transmissões ao vivo ou jogar Minecraft com você.

AkagawaTsurunaki
⭐ 834 Python 👤 AkagawaTsurunaki User 🕐 Atualizado 2026-04-14 📅 Criado 2024-03-04
72
TrevorS/voxtral-mini-realtime-rs

Voxtral ASR & TTS rodando nativamente e no navegador. Implementação em Rust do Voxtral mini ASR/TTS em tempo real da Mistral usando o framework ML Burn

TrevorS
⭐ 827 Rust 👤 TrevorS User 🕐 Atualizado 2026-10-12 📅 Criado 2026-02-04
74
Ailln/cn2an

📦 Conversão rápida entre «números chineses» e «números arábicos» ~ (Novos recursos: conversão de frações, datas, temperaturas, etc.)

Ailln
⭐ 768 Python 👤 Ailln User 🕐 Atualizado 2026-04-23 📅 Criado 2018-05-04
75
yeyupiaoling/PaddlePaddle-DeepSpeech

Reconhecimento de fala baseado em PaddlePaddle, reconhecimento de fala em chinês. O projeto é bem desenvolvido e possui bom desempenho de reconhecimento. Suporta treinamento e previsão no Windows e Linux, e previsão em placas de desenvolvimento Nvidia Jetson.

yeyupiaoling
⭐ 764 Python 👤 yeyupiaoling User 🕐 Atualizado 2025-12-17 📅 Criado 2019-11-01
76
FireRedTeam/FireRedASR2S

Um sistema ASR All-in-One de nível industrial SOTA com módulos ASR, VAD, LID e Punc. O FireRedASR2 suporta chinês (mandarim, 20+ dialetos/sotaques), inglês, alternância de código e ASR tanto para fala quanto para canto. O FireRedVAD suporta fala/canto/música em 100+ idiomas. O FireRedLID suporta 100+ idiomas e 20+ dialetos chineses. O FireRedPunc suporta chinês e inglês.

FireRedTeam
⭐ 745 Python 👤 FireRedTeam Organization 🕐 Atualizado 2026-06-02 📅 Criado 2026-02-12
77
Macoron/whisper.unity

Executando o modelo de fala para texto (whisper.cpp) no Unity3d na sua máquina local.

Macoron
⭐ 730 C# 👤 Macoron User 🕐 Atualizado 2025-04-17 📅 Criado 2023-03-26
78
yeyupiaoling/MASR

Framework de reconhecimento automático de fala (ASR) implementado em Pytorch para streaming e não-streaming, compatível com reconhecimento online e offline, suportando atualmente os modelos Conformer, Squeezeformer e DeepSpeech2, e diversos métodos de aumento de dados.

yeyupiaoling
⭐ 729 Python 👤 yeyupiaoling User 🕐 Atualizado 2026-07-06 📅 Criado 2020-07-29
79
openspeech-team/openspeech

Kit de ferramentas de código aberto para reconhecimento de fala de ponta a ponta, aproveitando PyTorch-Lightning e Hydra.

openspeech-team
⭐ 715 Python 👤 openspeech-team Organization 🕐 Atualizado 2026-06-21 📅 Criado 2021-06-06
80
sofdog-gh/realtime-transcription-fastrtc

Transcrição de Voz em Tempo Real com FastRTC ⚡️ e Whisper Local 🤗

sofdog-gh
⭐ 700 Python 👤 sofdog-gh User 🕐 Atualizado 2025-07-10 📅 Criado 2025-03-01
81
vilassn/whisper_android

Reconhecimento de Fala Offline com OpenAI Whisper e TensorFlow Lite para Android

vilassn
⭐ 693 C++ 👤 vilassn User 🕐 Atualizado 2026-03-18 📅 Criado 2023-08-26
82
DmitryRyumin/INTERSPEECH-2023-24-Papers

Artigos INTERSPEECH 2023-2024: Uma coleção completa de artigos de pesquisa influentes e empolgantes da conferência INTERSPEECH 2023-24. Explore os mais recentes avanços no processamento de fala e linguagem. Código incluído. Dê uma estrela ao repositório para apoiar o avanço da tecnologia de fala!

DmitryRyumin
⭐ 683 👤 DmitryRyumin User 🕐 Atualizado 2024-12-25 📅 Criado 2023-06-26
84
Picovoice/cheetah

Motor de fala para texto por streaming no dispositivo, desenvolvido com aprendizado profundo

Picovoice
⭐ 672 Python 👤 Picovoice Organization 🕐 Atualizado 2026-11-12 📅 Criado 2018-10-28
85
zenstory-ai/video-recap-skills

Pacote de habilidades de agente de IA para narração de vídeos: corta cenas automaticamente, analisa as imagens para escrever o roteiro da narração, adiciona a locução e mixa o áudio para produzir o vídeo final; permite exportar rascunhos para Jianying/CapCut, sem necessidade de GPU | Habilidades de agente para resumos de vídeo narrados e rascunhos do CapCut

zenstory-ai
⭐ 649 Python 👤 zenstory-ai Organization 🕐 Atualizado 2026-11-20 📅 Criado 2026-05-02
86
huggingface/optimum-intel

🤗 Optimum Intel: Acelere a inferência com ferramentas de otimização Intel

huggingface
⭐ 631 Jupyter Notebook 👤 huggingface Organization 🕐 Atualizado 2026-11-21 📅 Criado 2022-05-25
87
zw76859420/ASR_Theory

Teoria, artigos e PPT de reconhecimento de voz

zw76859420
⭐ 616 👤 zw76859420 User 🕐 Atualizado 2024-08-07 📅 Criado 2019-01-26
88
Moyf/moys-asr-workflow

Estação de trabalho de legendas de Amo: fluxo de transcrição de legendas ASR de Moy (abreviado como MAW)

Moyf
⭐ 610 JavaScript 👤 Moyf User 🕐 Atualizado 2026-11-21 📅 Criado 2026-07-26
89
HiMeditator/auto-caption

Um software de exibição de legendas em tempo real multiplataforma.

HiMeditator
⭐ 610 TypeScript 👤 HiMeditator User 🕐 Atualizado 2026-10-14 📅 Criado 2025-05-11
90
RapidAI/RapidASR

📣 Uma biblioteca de reconhecimento automático de fala (ASR) de código aberto de nível comercial, pronta para usar, com suporte multiplataforma e reconhecimento misto de chinês e inglês. Uma implementação multiplataforma de inferência ASR. É baseada em ONNXRuntime e FunASR. Fornecemos um conjunto de APIs mais fáceis para chamar modelos ASR.

RapidAI
⭐ 593 C++ 👤 RapidAI Organization 🕐 Atualizado 2024-05-15 📅 Criado 2021-12-15
91
second-state/echokit_server

Plataforma de Agente de Voz de Código Aberto

second-state
⭐ 591 Rust 👤 second-state Organization 🕐 Atualizado 2026-02-15 📅 Criado 2025-02-26
92
SAOS-3624/dsh-video-storyboard

Storyboard com reconhecimento de cenas para DeepSeek Harness: de 9 a 16 células numeradas com marcações de tempo + transcrição + envelope de áudio, reunidas em UMA única imagem (384 tokens). Duas ferramentas: video_storyboard e video_zoom.

SAOS-3624
⭐ 585 JavaScript 👤 SAOS-3624 User 🕐 Atualizado 2026-11-21 📅 Criado 2026-10-26
93
wildminder/awesome-ai-voice

Lista de modelos de código aberto para síntese de voz (TTS), clonagem de voz e geração musical

wildminder
⭐ 562 👤 wildminder User 🕐 Atualizado 2026-11-04 📅 Criado 2026-03-10
94
PiSugar/whisplay-ai-chatbot

Chatbot de IA de bolso construído com um RPI Zero 2w / 5

PiSugar
⭐ 545 TypeScript 👤 PiSugar Organization 🕐 Atualizado 2026-11-19 📅 Criado 2025-05-07
95
SpeechColab/Leaderboard

SpeechIO Leaderboard: uma plataforma de benchmarking grande, robusta e abrangente para o Reconhecimento Automático de Fala.

SpeechColab
⭐ 545 Python 👤 SpeechColab User 🕐 Atualizado 2025-03-29 📅 Criado 2021-02-07
96
kouhxp/yapsnap

Transcreva qualquer URL de vídeo ou arquivo de áudio para texto simples. Sem GPU. Sem nuvem. Um único comando.

kouhxp
⭐ 538 Python 👤 kouhxp User 🕐 Atualizado 2026-09-15 📅 Criado 2026-05-20
97
shashikg/WhisperS2T

Um pipeline otimizado de fala para texto para o modelo Whisper que suporta vários mecanismos de inferência

shashikg
⭐ 534 Jupyter Notebook 👤 shashikg User 🕐 Atualizado 2024-08-27 📅 Criado 2023-12-16
98
ccoreilly/vosk-browser

Uma biblioteca de reconhecimento de fala em execução no navegador graças a uma compilação WebAssembly do Vosk

ccoreilly
⭐ 531 JavaScript 👤 ccoreilly User 🕐 Atualizado 2025-12-07 📅 Criado 2021-02-19
99
DmitryRyumin/ICASSP-2023-24-Papers

Artigos da ICASSP 2023-2024: Uma coleção completa de artigos de pesquisa influentes e interessantes das conferências ICASSP 2023-24. Explore os avanços mais recentes em acústica, fala e processamento de sinais. Código incluído. Dê uma estrela ao repositório para apoiar o avanço do processamento de áudio e sinais!

DmitryRyumin
⭐ 527 Python 👤 DmitryRyumin User 🕐 Atualizado 2025-05-05 📅 Criado 2023-08-01
100
nyosegawa/speech.cpp

Síntese de voz, reconhecimento de fala e detecção de atividade de voz para conversas por voz, em C++ com ggml: Qwen3-TTS, Irodori-TTS, Qwen3-ASR, ReazonSpeech, parakeet e Silero VAD em Metal, Vulkan e CPU, com um servidor compatível com OpenAI e transcrição em tempo real.

nyosegawa
⭐ 510 C++ 👤 nyosegawa User 🕐 Atualizado 2026-11-20 📅 Criado 2026-09-29