#speech-recognition Repositórios
Descubra 204 repositórios ativos de código aberto no GitHub marcados com #speech-recognition, acumulando um total de 889,741 estrelas (uma média de 4,361 por projeto). O líder deste tópico é huggingface/transformers, com 169,339 estrelas.
206 repositórios no total
🤗 Transformers: a estrutura de definição de modelos para modelos de machine learning de última geração em texto, visão, áudio e modelos multimodais, tanto para inferência quanto para treinamento.
WhisperX: Reconhecimento Automático de Fala com Carimbos de Tempo em Nível de Palavra (& Diarização)
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.
API de reconhecimento de fala offline para Android, iOS, Raspberry Pi e servidores com Python, Java, C# e Node
Scripts de Deep Learning de última geração organizados por modelos - fáceis de treinar e implantar com precisão e desempenho reprodutíveis em infraestrutura de nível empresarial.
Gradio WebUI para criadores e desenvolvedores, apresentando recursos-chave de TTS (Edge-TTS, kokoro) e clonagem de voz zero-shot (E2 & F5-TTS, CosyVoice), com processamento de áudio Whisper, download do YouTube, isolamento vocal Demucs e tradução multilíngue.
Mergulhe em Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision e NLP aprendendo com estas palestras emocionantes!!
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.
OpenVINO™ é um kit de ferramentas de código aberto para otimizar e implantar inferência de IA
Conversão de fala em texto em tempo real e local com ASR em streaming, diarização de falantes, tradução e APIs compatíveis com OpenAI/Deepgram.
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.
Módulo de reconhecimento de fala para Python, suportando diversos motores e APIs, online e offline.
Um Sistema de Reconhecimento de Fala Chinês Baseado em Deep Learning
Uma biblioteca de texto para fala (TTS), fala para texto (STT) e fala para fala (STS) construída sobre o framework MLX da Apple, fornecendo análise de fala eficiente no Apple Silicon.
Ferramenta de transcrição de vídeo, geração de legendas e corte assistido por LLM, alimentada por FunASR com interface Gradio local.
Reconhecimento Automático de Fala com Diarização de Locutor baseado em OpenAI Whisper
Kit de Reconhecimento de Fala de Ponta a Ponta Pronto para Produção e com Foco na Produção
Detecção de palavra de ativação no dispositivo alimentada por aprendizado profundo
Ferramenta de Reconhecimento de Voz para Texto / Uma ferramenta local de transcrição de áudio e vídeo que roda offline, com saída nos formatos json, srt (legendas) e texto puro
Implementação JAX do modelo Whisper da OpenAI para aceleração de até 70x em TPU.
Variante destilada do Whisper para reconhecimento de fala. 6x mais rápida, 50% menor, com uma taxa de erro de palavra dentro de 1%.
Qwen3-ASR é uma série de modelos ASR open-source desenvolvida pela equipe Qwen da Alibaba Cloud, que suporta reconhecimento estável de fala/música/canção multilíngue, detecção de idioma e previsão de timestamps.
Sistema Conversacional de Avatar Digital - Linly-Talker. 😄✨ O Linly-Talker é um sistema de IA inteligente que combina grandes modelos de linguagem (LLMs) com modelos visuais para criar um novo método de interação humano-IA. 🤝🤖 Ele integra várias tecnologias, como Whisper, Linly, Microsoft Speech Services e o sistema de geração de cabeça falante SadTalker. 🌟🔬
Exemplo de código para o Microsoft Cognitive Services Speech SDK
Um runtime de voz em tempo real que mantém os agentes falando, trabalhando e presentes. Runtime de voz em tempo real para agentes de IA
Executáveis autônomos do Whisper e Faster-Whisper para aqueles que não querem se incomodar com Python.
Alternativa de assistente de voz de código aberto, local e auto-hospedada, competitiva com Amazon Echo/Google Home
Transforme áudio e vídeo em legendas com uma interface web fácil de usar. Tudo é executado na sua própria máquina. Anteriormente Whishper.
Este é um projeto de tradução automática (de áudio) para vídeo. Utiliza o Whisper para reconhecimento de voz, um modelo de IA de grande porte para tradução de legendas e, finalmente, combina legendas com o vídeo para gerar o vídeo traduzido.
Um framework de detecção de palavra (ou frase) de ativação de áudio de código aberto com foco em desempenho e simplicidade.
Reconhecimento Automático de Fala Multilíngue com carimbos de tempo e confiança a nível de palavra
Perguntas Frequentes
Qual é o repositório de #speech-recognition mais popular no GitHub?
O projeto de código aberto de #speech-recognition mais bem classificado no GitHub é huggingface/transformers, com 169,339 estrelas. 🤗 Transformers: a estrutura de definição de modelos para modelos de machine learning de última geração em texto, visão, áudio e modelos multimodais, tanto para inferência quanto para treinamento.
Quais linguagens de programação são mais usadas nos repositórios de #speech-recognition?
Entre os projetos de #speech-recognition mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, C++, TypeScript.
Como é calculada a classificação dos repositórios de #speech-recognition?
Acompanhamos 204 repositórios ativos de código aberto marcados com #speech-recognition (com mais de 500 estrelas), totalizando 889,741 estrelas e uma média de 4,361 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.