Git Stars Git Stars

#speaker-verification Repositórios

Descubra 12 repositórios ativos de código aberto no GitHub marcados com #speaker-verification, acumulando um total de 64,370 estrelas (uma média de 5,364 por projeto). O líder deste tópico é kaldi-asr/kaldi, com 15,488 estrelas.

12
Total de Repositórios
64,370
Total de estrelas
5,364
Média de Estrelas/Repositório
Linguagens de programação: Python Jupyter Notebook Shell

12 repositórios no total

1
kaldi-asr/kaldi

kaldi-asr/kaldi é o local oficial do projeto Kaldi.

kaldi-asr
⭐ 15,488 Shell 👤 kaldi-asr Organization 🕐 Atualizado 2025-09-22 📅 Criado 2015-04-20
2
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
3
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
4
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
5
modelscope/3D-Speaker

Um Repositório para Verificação de Orador (Speaker Verification) de Modalidade Única e Multimodal, Reconhecimento de Orador (Speaker Recognition) e Diarização de Orador (Speaker Diarization)

modelscope
⭐ 3,224 Python 👤 modelscope Organization 🕐 Atualizado 2025-12-08 📅 Criado 2023-03-06
6
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
7
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
8
ABexit/ASR-LLM-TTS

Este é um sistema de interação por voz construído com base em um modelo de código aberto, integrando ASR, LLM e TTS em sequência. O modelo ASR é o SenceVoice, os modelos LLM são QWen2.5-0.5B/1.5B, e existem três modelos TTS: CosyVoice, Edge-TTS e pyttsx3

ABexit
⭐ 1,283 Python 👤 ABexit User 🕐 Atualizado 2026-06-03 📅 Criado 2024-11-12
9
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
10
markovka17/dla

Aprendizado profundo para processamento de áudio

markovka17
⭐ 780 Jupyter Notebook 👤 markovka17 User 🕐 Atualizado 2026-11-08 📅 Criado 2020-08-23
11
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
12
0x5446/api4sensevoice

Servidor API e websocket para sensevoice. Herdou algumas funcionalidades aprimoradas, como detecção VAD, reconhecimento de streaming em tempo real e verificação de locutor.

0x5446
⭐ 537 Python 👤 0x5446 User 🕐 Atualizado 2024-10-23 📅 Criado 2024-08-11

Perguntas Frequentes

1

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

O projeto de código aberto de #speaker-verification mais bem classificado no GitHub é kaldi-asr/kaldi, com 15,488 estrelas. kaldi-asr/kaldi é o local oficial do projeto Kaldi.

2

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

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

3

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

Acompanhamos 12 repositórios ativos de código aberto marcados com #speaker-verification (com mais de 500 estrelas), totalizando 64,370 estrelas e uma média de 5,364 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.