Git Stars Git Stars

#speaker-recognition Repositórios

Descubra 10 repositórios ativos de código aberto no GitHub marcados com #speaker-recognition, acumulando um total de 51,818 estrelas (uma média de 5,181 por projeto). O líder deste tópico é NVIDIA-NeMo/Speech, com 18,775 estrelas.

10
Total de Repositórios
51,818
Total de estrelas
5,181
Média de Estrelas/Repositório
Linguagens de programação: Python Jupyter Notebook Swift

10 repositórios no total

1
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
2
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
3
pyannote/pyannote-audio

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

pyannote
⭐ 10,821 Jupyter Notebook 👤 pyannote Organization 🕐 Atualizado 2026-11-19 📅 Criado 2016-03-07
4
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
5
google/uis-rnn

Este é o repositório para o algoritmo de Rede Neural Recorrente de Estado Intercalado Ilimitado (UIS-RNN), correspondente ao artigo 'Fully Supervised Speaker Diarization'.

google
⭐ 1,588 Python 👤 google Organization 🕐 Atualizado 2024-09-25 📅 Criado 2018-10-23
6
wenet-e2e/wespeaker

Kit de Ferramentas Orientado à Pesquisa e Produção para Verificação, Reconhecimento e Diarização de Locutores

wenet-e2e
⭐ 1,475 Python 👤 wenet-e2e Organization 🕐 Atualizado 2026-09-22 📅 Criado 2021-09-28
7
yeyupiaoling/VoiceprintRecognition-Pytorch

Este projeto utiliza uma variedade de modelos avançados de reconhecimento de impressão vocal, como EcapaTdnn, ResNetSE, ERes2Net, CAM++, etc. Não se exclui que mais modelos sejam suportados no futuro. Ao mesmo tempo, este projeto também suporta os métodos de pré-processamento de dados MelSpectrogram e Spectrogram.

yeyupiaoling
⭐ 1,325 Python 👤 yeyupiaoling User 🕐 Atualizado 2026-09-15 📅 Criado 2021-06-28
8
clovaai/voxceleb_trainer

Em defesa da aprendizagem métrica para reconhecimento de falante

clovaai
⭐ 1,176 Python 👤 clovaai Organization 🕐 Atualizado 2026-04-22 📅 Criado 2020-03-26
9
TaoRuijie/ECAPA-TDNN

Reimplementação não oficial do ECAPA-TDNN para reconhecimento de locutor (EER=0,86 para Vox1_O quando treinado apenas em Vox2)

TaoRuijie
⭐ 772 Python 👤 TaoRuijie User 🕐 Atualizado 2024-04-11 📅 Criado 2021-10-25
10
Snowdar/asv-subtools

Ferramentas de Código Aberto para Reconhecimento de Locutor

Snowdar
⭐ 633 Python 👤 Snowdar User 🕐 Atualizado 2024-08-05 📅 Criado 2020-03-02

Perguntas Frequentes

1

Qual é o repositório de #speaker-recognition mais popular no GitHub?

O projeto de código aberto de #speaker-recognition mais bem classificado no GitHub é NVIDIA-NeMo/Speech, com 18,775 estrelas. 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)

2

Quais linguagens de programação são mais usadas nos repositórios de #speaker-recognition?

Entre os projetos de #speaker-recognition mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, Swift.

3

Como é calculada a classificação dos repositórios de #speaker-recognition?

Acompanhamos 10 repositórios ativos de código aberto marcados com #speaker-recognition (com mais de 500 estrelas), totalizando 51,818 estrelas e uma média de 5,181 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.