#speaker-diarization Repositórios
Descubra 28 repositórios ativos de código aberto no GitHub marcados com #speaker-diarization, acumulando um total de 125,249 estrelas (uma média de 4,473 por projeto). O líder deste tópico é modelscope/FunASR, com 21,091 estrelas.
28 repositórios no total
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.
Conversão de fala em texto em tempo real e local com ASR em streaming, diarização de falantes, tradução e APIs compatíveis com OpenAI/Deepgram.
Baixe vídeos e áudios de mais de 1.000 sites, transcreva-os localmente com identificação dos falantes e resuma, traduza ou converse sobre suas mídias usando o provedor de IA de sua preferência.
Blocos de construção neurais para diarização de locutor: deteção de atividade de fala, deteção de mudança de locutor, deteção de fala sobreposta, incorporação de locutor
Reconhecimento Automático de Fala com Diarização de Locutor baseado em OpenAI Whisper
Speakr é um aplicativo web pessoal e auto-hospedado, projetado para transcrever gravações de áudio
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.
Executáveis autônomos do Whisper e Faster-Whisper para aqueles que não querem se incomodar com Python.
Um Repositório para Verificação de Orador (Speaker Verification) de Modalidade Única e Multimodal, Reconhecimento de Orador (Speaker Recognition) e Diarização de Orador (Speaker Diarization)
Reconhecimento Automático de Fala Multilíngue com carimbos de tempo e confiança a nível de palavra
Um modelo de 0,9B para transcrição de conteúdos longos em mais de 50 idiomas, com diarização de locutores, marcações de tempo e reconhecimento de eventos acústicos
Um pacote Python para construir aplicações de áudio em tempo real potencializadas por IA
Uma lista selecionada de artigos, bibliotecas, conjuntos de dados e outros recursos excelentes sobre Diarização de Locutor.
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.
Este é o repositório para o algoritmo de Rede Neural Recorrente de Estado Intercalado Ilimitado (UIS-RNN), correspondente ao artigo 'Fully Supervised Speaker Diarization'.
Kit de Ferramentas Orientado à Pesquisa e Produção para Verificação, Reconhecimento e Diarização de Locutores
Kit de ferramentas de fala por IA para Apple Silicon — ASR, TTS, fala-para-fala, VAD e diarização alimentados por MLX e CoreML
Uma ferramenta GUI para transcrição offline de gravações de fala, incluindo diarização de falantes, utilizando modelos de aprendizado de máquina de ponta.
Serviço turnkey de transcrição e diarização offline auto-hospedado com resumo LLM
Software de geração de legendas totalmente automatizado e completo; cobre todo o processo de download, transcrição, tradução e gravação, sem necessidade de intervenção humana.
Ferramenta de transcrição e resumo de voz para uso por equipes/organizações, com implantação privada possível na intranet (on-premise), incluindo o código completo de front-end e back-end.
Reimplementação em Python dos algoritmos de agrupamento espectral (restringidos) usados nos artigos de diarização de falantes do Google.
Perguntas Frequentes
Qual é o repositório de #speaker-diarization mais popular no GitHub?
O projeto de código aberto de #speaker-diarization mais bem classificado no GitHub é modelscope/FunASR, com 21,091 estrelas. 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.
Quais linguagens de programação são mais usadas nos repositórios de #speaker-diarization?
Entre os projetos de #speaker-diarization mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, TypeScript, Swift, Jupyter Notebook.
Como é calculada a classificação dos repositórios de #speaker-diarization?
Acompanhamos 28 repositórios ativos de código aberto marcados com #speaker-diarization (com mais de 500 estrelas), totalizando 125,249 estrelas e uma média de 4,473 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.