Git Stars Git Stars

#speech-to-text Repositórios

Descubra 211 repositórios ativos de código aberto no GitHub marcados com #speech-to-text, acumulando um total de 925,003 estrelas (uma média de 4,383 por projeto). O líder deste tópico é debpalash/VoiceStudio, com 115,753 estrelas.

211
Total de Repositórios
925,003
Total de estrelas
4,383
Média de Estrelas/Repositório

211 repositórios no total

1
debpalash/VoiceStudio

O VoiceStudio é a alternativa de código aberto e totalmente local ao ElevenLabs — clonagem de voz, design de voz, dobragem de vídeo, ditado, transcrição e criação de audiolivros em 646 idiomas.

debpalash
⭐ 115,753 Python 👤 debpalash User 🕐 Atualizado 2026-11-21 📅 Criado 2026-04-09
2
ggml-org/whisper.cpp

Porte do modelo Whisper da OpenAI em C/C++

ggml-org
⭐ 55,392 C++ 👤 ggml-org Organization 🕐 Atualizado 2026-11-20 📅 Criado 2022-09-25
3
cjpais/Handy

Um aplicativo de conversão de fala em texto, gratuito, de código aberto e extensível, que funciona completamente offline.

cjpais
⭐ 39,490 Rust 👤 cjpais User 🕐 Atualizado 2026-11-21 📅 Criado 2025-02-13
4
Zackriya-Solutions/meetily

Assistente de IA para fazer anotações em reuniões, com foco na privacidade, para Windows, macOS e Linux. Gratuito e de código aberto (MIT). Transcrição com Whisper/Parakeet e diarização de locutores no próprio dispositivo, sem bot nas reuniões. Alternativa de código aberto ao Granola, Otter e Fireflies. https://meetily.ai

Zackriya-Solutions
⭐ 32,937 Rust 👤 Zackriya-Solutions Organization 🕐 Atualizado 2026-11-14 📅 Criado 2024-12-26
5
SYSTRAN/faster-whisper

Transcrição Whisper mais rápida com CTranslate2

SYSTRAN
⭐ 26,924 Python 👤 SYSTRAN Organization 🕐 Atualizado 2026-11-12 📅 Criado 2023-02-11
6
mozilla-ai/llamafile

Distribua e execute LLMs com um único arquivo.

mozilla-ai
⭐ 26,681 C++ 👤 mozilla-ai Organization 🕐 Atualizado 2026-11-09 📅 Criado 2023-09-10
7
m-bain/whisperX

WhisperX: Reconhecimento Automático de Fala com Carimbos de Tempo em Nível de Palavra (& Diarização)

m-bain
⭐ 25,556 Python 👤 m-bain User 🕐 Atualizado 2026-11-21 📅 Criado 2022-12-09
8
screenpipe/screenpipe

YC (S26) | Screenpipe encontra o trabalho que vale a pena automatizar | Registre continuamente, em local, o trabalho realizado no computador, descubra fluxos de trabalho recorrentes e entregue o resultado a qualquer agente que você já use.

screenpipe
⭐ 22,492 Rust 👤 screenpipe Organization 🕐 Atualizado 2026-11-21 📅 Criado 2024-06-19
9
Evil0ctal/Douyin_TikTok_Download_API

🚀 API auto-hospedada para coletar dados do Douyin, TikTok e Bilibili e baixar vídeos sem marca-d'água. Compatível com chamadas de agentes de IA via MCP e transcrição de fala offline. Implantação Docker com um clique. | Extrator auto-hospedado para TikTok, Douyin e Bilibili e baixador de vídeos sem marca-d'água — API REST assíncrona, servidor MCP para agentes de IA, CLI e console web, além de transcrição de fala offline para os vídeos baixados. Pool de identidades autorreparável, arquivo PostgreSQL e inicialização com um único `docker compose up`.

Evil0ctal
⭐ 21,507 Python 👤 Evil0ctal User 🕐 Atualizado 2026-11-20 📅 Criado 2021-11-07
10
modelscope/FunASR

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.

modelscope
⭐ 21,091 Python 👤 modelscope Organization 🕐 Atualizado 2026-11-21 📅 Criado 2022-11-24
11
jianchang512/pyvideotrans

Traduza o vídeo de um idioma para outro e incorpore dublagem e legendas.

jianchang512
⭐ 19,789 Python 👤 jianchang512 User 🕐 Atualizado 2026-11-21 📅 Criado 2023-10-02
12
leon-ai/leon

🧠 Leon é o seu assistente pessoal de código aberto.

leon-ai
⭐ 17,702 TypeScript 👤 leon-ai Organization 🕐 Atualizado 2026-11-21 📅 Criado 2019-02-10
13
k2-fsa/sherpa-onnx

Reconhecimento de fala para texto, texto para fala, diarização de falantes, aprimoramento de fala, separação de fontes e VAD usando a próxima geração do Kaldi com onnxruntime sem conexão com a Internet. Suporte para sistemas embarcados, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, NPU RK, NPU Axera, NPU Ascend, servidores x86_64, servidor/cliente websocket, suporte para 12 linguagens de programação

k2-fsa
⭐ 16,076 C++ 👤 k2-fsa Organization 🕐 Atualizado 2026-11-21 📅 Criado 2022-09-01
14
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
15
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
16
huggingface/speech-to-speech

Crie agentes de voz com modelos de código aberto

huggingface
⭐ 13,760 Python 👤 huggingface Organization 🕐 Atualizado 2026-11-19 📅 Criado 2024-08-07
17
abus-aikorea/voice-pro

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.

abus-aikorea
⭐ 13,461 Python 👤 abus-aikorea User 🕐 Atualizado 2026-07-13 📅 Criado 2024-07-29
18
OpenWhispr/openwhispr

Aplicativo de ditado voz-para-texto com modelos locais (Nvidia Parakeet/Whisper) e na nuvem (BYOK). Prioridade à privacidade e disponível cross-platform.

OpenWhispr
⭐ 11,968 JavaScript 👤 OpenWhispr Organization 🕐 Atualizado 2026-11-21 📅 Criado 2025-06-19
19
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
20
QuentinFuxa/WhisperLiveKit

Conversão de fala em texto em tempo real e local com ASR em streaming, diarização de falantes, tradução e APIs compatíveis com OpenAI/Deepgram.

QuentinFuxa
⭐ 11,275 Python 👤 QuentinFuxa User 🕐 Atualizado 2026-11-14 📅 Criado 2024-12-19
21
nexmoe/VidBee

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.

nexmoe
⭐ 11,189 TypeScript 👤 nexmoe User 🕐 Atualizado 2026-11-21 📅 Criado 2025-10-22
22
KoljaB/RealtimeSTT

Uma biblioteca de conversão de fala em texto robusta, eficiente e de baixa latência com detecção avançada de atividade de voz, ativação por palavra de despertar e transcrição instantânea.

KoljaB
⭐ 10,257 Python 👤 KoljaB User 🕐 Atualizado 2026-11-11 📅 Criado 2023-08-29
23
QwenAudio/SenseVoice

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.

QwenAudio
⭐ 9,797 C 👤 QwenAudio Organization 🕐 Atualizado 2026-09-30 📅 Criado 2024-07-03
24
Uberi/speech_recognition

Módulo de reconhecimento de fala para Python, suportando diversos motores e APIs, online e offline.

Uberi
⭐ 9,008 Python 👤 Uberi User 🕐 Atualizado 2026-11-17 📅 Criado 2014-04-23
25
nl8590687/ASRT_SpeechRecognition

Um Sistema de Reconhecimento de Fala Chinês Baseado em Deep Learning

nl8590687
⭐ 8,404 Python 👤 nl8590687 User 🕐 Atualizado 2026-04-10 📅 Criado 2017-03-06
26
Neywa-Labs/mlx-audio

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.

Neywa-Labs
⭐ 8,315 Python 👤 Neywa-Labs Organization 🕐 Atualizado 2026-11-20 📅 Criado 2024-11-27
27
Osmantic/ODS

Pré-lançamento do ODS V3: testes públicos e aperfeiçoamentos antes do lançamento oficial da V3. Transforme seu PC, Mac ou computador Linux em um servidor de IA privado.

Osmantic
⭐ 7,882 Python 👤 Osmantic Organization 🕐 Atualizado 2026-11-19 📅 Criado 2026-02-09
28
anomalyco/hex

Ditado de voz local para Mac, Windows e Linux

anomalyco
⭐ 7,836 Rust 👤 anomalyco Organization 🕐 Atualizado 2026-11-21 📅 Criado 2026-07-17
29
getopenscreen/openscreen

Grave sua tela, compartilhe uma demonstração. Gratuito e de código aberto, acelerado por GPU, sem marcas d'água, sem assinaturas. Windows, macOS, Linux. Mantido ativamente.

getopenscreen
⭐ 7,685 TypeScript 👤 getopenscreen Organization 🕐 Atualizado 2026-11-21 📅 Criado 2026-03-14
30
TalAter/annyang

💬 Reconhecimento de fala para o seu site

TalAter
⭐ 6,820 TypeScript 👤 TalAter User 🕐 Atualizado 2026-10-29 📅 Criado 2013-08-23
31
modelscope/FunClip

Ferramenta de transcrição de vídeo, geração de legendas e corte assistido por LLM, alimentada por FunASR com interface Gradio local.

modelscope
⭐ 6,613 Python 👤 modelscope Organization 🕐 Atualizado 2026-11-01 📅 Criado 2023-05-17
32
argmaxinc/argmax-oss-swift

IA de Voz no Dispositivo para Apple Silicon

argmaxinc
⭐ 6,471 Swift 👤 argmaxinc Organization 🕐 Atualizado 2026-10-27 📅 Criado 2024-01-26
33
ddean2009/MoneyPrinterPlus

Gere vídeos curtos de vários tipos em lote com um clique usando IA, edite automaticamente vídeos curtos em lote e publique vídeos automaticamente no Douyin, Kuaishou, Xiaohongshu e Canais de Vídeo (WeChat Video Account) – ganhar dinheiro nunca foi tão fácil! Suporta modelos de voz locais: chatTTS, fasterwhisper, GPTSoVITS; Suporta voz na nuvem: Azure, Alibaba Cloud, Tencent Cloud. Suporta Stable diffusion e comfyUI para geração direta de imagens por IA. Gere vídeos curtos com um clique usando IA LLM, vamos imprimir dinheiro juntos! Suporte: chatTTS, faster-whisper, GPTSoVITS, Azure, Tencent Cloud, Ali Cloud.

ddean2009
⭐ 6,408 Python 👤 ddean2009 User 🕐 Atualizado 2025-03-07 📅 Criado 2024-05-09
34
dograh-hq/dograh

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.

dograh-hq
⭐ 6,240 Python 👤 dograh-hq Organization 🕐 Atualizado 2026-11-16 📅 Criado 2025-09-09
35
snakers4/silero-models

Modelos Silero: modelos de conversão de texto em fala pré-treinados tornados incrivelmente simples

snakers4
⭐ 6,223 Jupyter Notebook 👤 snakers4 User 🕐 Atualizado 2026-10-15 📅 Criado 2020-09-11
36
Shaunwei/RealChar

🎙️🤖Crie, personalize e converse com seu personagem/companheiro de IA em tempo real (tudo em um único codebase!). Tenha uma conversa natural e fluida com IA em qualquer lugar (celular, web e terminal) usando LLM OpenAI GPT3.5/4, Anthropic Claude2, Chroma Vector DB, Whisper Speech2Text, ElevenLabs Text2Speech🎙️🤖

Shaunwei
⭐ 6,216 JavaScript 👤 Shaunwei User 🕐 Atualizado 2026-01-20 📅 Criado 2023-06-26
37
liuzhao1225/YouDub-Desktop

Localização e dublagem de vídeo com IA de código aberto para YouTube/Bilibili: reconhecimento de voz, tradução de legendas, clonagem de voz, mixagem de áudio e renderização. Ferramenta de código aberto para tradução e dublagem de vídeos com IA.

liuzhao1225
⭐ 5,874 TypeScript 👤 liuzhao1225 User 🕐 Atualizado 2026-11-21 📅 Criado 2023-12-26
38
MahmoudAshraf97/whisper-diarization

Reconhecimento Automático de Fala com Diarização de Locutor baseado em OpenAI Whisper

MahmoudAshraf97
⭐ 5,676 Jupyter Notebook 👤 MahmoudAshraf97 User 🕐 Atualizado 2026-08-15 📅 Criado 2023-01-25
39
AhmadHassan-BTed/B

Um companheiro de desktop com IA, autônomo e ciente do contexto. Desenvolvido em Python, oferece visão de tela em tempo real, síntese de voz ONNX personalizada, rastreamento da janela ativa e uma interface flutuante dinâmica com expressões faciais reativas.

AhmadHassan-BTed
⭐ 5,177 Python 👤 AhmadHassan-BTed User 🕐 Atualizado 2026-07-07 📅 Criado 2026-05-02
40
jianchang512/stt

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

jianchang512
⭐ 4,857 Python 👤 jianchang512 User 🕐 Atualizado 2026-01-22 📅 Criado 2023-12-28
41
sanchit-gandhi/whisper-jax

Implementação JAX do modelo Whisper da OpenAI para aceleração de até 70x em TPU.

sanchit-gandhi
⭐ 4,649 Jupyter Notebook 👤 sanchit-gandhi User 🕐 Atualizado 2024-04-03 📅 Criado 2023-03-02
42
gradio-app/fastrtc

A biblioteca Python para comunicação em tempo real

gradio-app
⭐ 4,639 JavaScript 👤 gradio-app Organization 🕐 Atualizado 2026-10-21 📅 Criado 2024-09-25
43
tmoroney/auto-subs

Geração de legendas no dispositivo que se conecta diretamente ao DaVinci Resolve, Premiere e After Effects.

tmoroney
⭐ 4,598 TypeScript 👤 tmoroney User 🕐 Atualizado 2026-11-11 📅 Criado 2023-03-15
44
0xShug0/audio.cpp

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.

0xShug0
⭐ 4,385 C++ 👤 0xShug0 User 🕐 Atualizado 2026-11-21 📅 Criado 2026-06-23
45
Open-Less/openless

Segure uma tecla, fale, solte — texto polido por IA aparece no seu cursor em qualquer app. Entrada de voz open-source para macOS e Windows.

Open-Less
⭐ 4,148 Rust 👤 Open-Less Organization 🕐 Atualizado 2026-11-21 📅 Criado 2026-04-27
46
SakiRinn/LiveCaptions-Translator

Ferramenta leve e poderosa de tradução de áudio/voz em tempo real baseada no Windows LiveCaptions.

SakiRinn
⭐ 4,121 C# 👤 SakiRinn User 🕐 Atualizado 2026-08-17 📅 Criado 2024-09-13
47
KoljaB/RealtimeVoiceChat

Tenha uma conversa natural e falada com a IA!

KoljaB
⭐ 3,875 Python 👤 KoljaB User 🕐 Atualizado 2026-11-12 📅 Criado 2025-04-19
48
vocodedev/vocode-core

🤖 Construa agentes LLM baseados em voz. Modular + código aberto.

vocodedev
⭐ 3,670 Python 👤 vocodedev Organization 🕐 Atualizado 2024-11-15 📅 Criado 2023-02-24
49
antiboredom/videogrep

superedições automáticas de vídeo com Python

antiboredom
⭐ 3,446 Python 👤 antiboredom User 🕐 Atualizado 2024-04-19 📅 Criado 2014-05-27
50
ahmetoner/whisper-asr-webservice

API de Serviço Web OpenAI Whisper ASR

ahmetoner
⭐ 3,370 Python 👤 ahmetoner User 🕐 Atualizado 2026-10-01 📅 Criado 2022-09-22

Perguntas Frequentes

1

Qual é o repositório de #speech-to-text mais popular no GitHub?

O projeto de código aberto de #speech-to-text mais bem classificado no GitHub é debpalash/VoiceStudio, com 115,753 estrelas. O VoiceStudio é a alternativa de código aberto e totalmente local ao ElevenLabs — clonagem de voz, design de voz, dobragem de vídeo, ditado, transcrição e criação de audiolivros em 646 idiomas.

2

Quais linguagens de programação são mais usadas nos repositórios de #speech-to-text?

Entre os projetos de #speech-to-text mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, TypeScript, Rust, C++.

3

Como é calculada a classificação dos repositórios de #speech-to-text?

Acompanhamos 211 repositórios ativos de código aberto marcados com #speech-to-text (com mais de 500 estrelas), totalizando 925,003 estrelas e uma média de 4,383 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.