#speech-to-speech Repositórios
Descubra 16 repositórios ativos de código aberto no GitHub marcados com #speech-to-speech, acumulando um total de 35,295 estrelas (uma média de 2,205 por projeto). O líder deste tópico é dograh-hq/dograh, com 6,240 estrelas.
17 repositórios no total
Plataforma de IA de voz de código aberto. Alternativa auto-hospedada ao Vapi e Retell. On-premise, BYOK em Speech-to-Speech ou LLM/STT/TTS, com um construtor de fluxo de trabalho visual, nativo em MCP e suporte a telefonia.
Um mecanismo de inferência tudo-em-um, puro em C++, para modelos de áudio, alimentado por ggml. Suporta TTS, STT, VAD, conversão de voz, geração de música e muito mais, com desempenho altamente otimizado. Sem dependência de Python.
Uma ferramenta simples e de alta qualidade para conversão de voz, focada na facilidade de uso e no desempenho.
modelo de linguagem grande multimodal de código aberto que pode ouvir, falar enquanto pensa. Apresentando capacidades conversacionais de entrada de fala em tempo real de ponta a ponta e saída de áudio em streaming.
LLaMA-Omni é um modelo de interação por voz ponta a ponta de baixa latência e alta qualidade, construído sobre o Llama-3.1-8B-Instruct, com o objetivo de alcançar capacidades de voz no nível do GPT-4o.
IA de voz em tempo real com mais de 100 modelos no Arduino ESP32, com WebSockets seguros e funções de borda para brinquedos com IA, companheiros de mesa e dispositivos
Kit de ferramentas de fala por IA para Apple Silicon — ASR, TTS, fala-para-fala, VAD e diarização alimentados por MLX e CoreML
Namorada com IA por voz (namorada com IA por voz para DeepSeek Harness): entrada de voz com Whisper + clonagem de voz com Qwen3-TTS + reprodução em streaming frase a frase + janela de avatar animado. Dois modos: interrupção ou fila; basta falar para interromper imediatamente.
Fun-Audio-Chat é um Grande Modelo de Linguagem de Áudio construído para interações de voz naturais e de baixa latência.
Um aplicativo de assistente de IA móvel multiplataforma ultrarrápido, desenvolvido com React Native.
Um SDK modular Swift para processamento de áudio com MLX no Apple Silicon
Central de atendimento com IA auto-hospedada e API em primeiro lugar: a IA conversa, o código controla a chamada. Agentes de IA atendem todas as chamadas; uma pessoa pode assumir sem interrompê-las. Funciona com FreeSWITCH, seu tronco SIP e um modelo em tempo real (OpenAI, Grok, Qwen, Doubao ou qualquer gateway compatível).
O primeiro modelo de diálogo falado end-to-end, em tempo real e de código aberto com clonagem de voz personalizada.
Agente interativo de fala para fala de alta qualidade e streaming em um único arquivo. Protótipo de agente inteligente de interação de voz full-duplex em streaming implementado apenas com um arquivo!
Modelos de voz abertos full-duplex que percebem o seu tom e falam com um tom próprio. Uma única GPU com vLLM-Omni ou execução totalmente offline em um Mac com MLX. Clonagem de voz zero-shot, compatibilidade com OpenAI Realtime / GPT-Live e teste gratuito da API hospedada. Apache-2.0.
Perguntas Frequentes
Qual é o repositório de #speech-to-speech mais popular no GitHub?
O projeto de código aberto de #speech-to-speech mais bem classificado no GitHub é dograh-hq/dograh, com 6,240 estrelas. Plataforma de IA de voz de código aberto. Alternativa auto-hospedada ao Vapi e Retell. On-premise, BYOK em Speech-to-Speech ou LLM/STT/TTS, com um construtor de fluxo de trabalho visual, nativo em MCP e suporte a telefonia.
Quais linguagens de programação são mais usadas nos repositórios de #speech-to-speech?
Entre os projetos de #speech-to-speech mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, TypeScript, Swift, C++.
Como é calculada a classificação dos repositórios de #speech-to-speech?
Acompanhamos 16 repositórios ativos de código aberto marcados com #speech-to-speech (com mais de 500 estrelas), totalizando 35,295 estrelas e uma média de 2,205 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.