#voice-activity-detection Repositórios
Descubra 34 repositórios ativos de código aberto no GitHub marcados com #voice-activity-detection, acumulando um total de 106,805 estrelas (uma média de 3,141 por projeto). O líder deste tópico é modelscope/FunASR, com 21,091 estrelas.
35 repositórios no total
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.
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
[NÃO MAIS MANTIDO] Utilitário de linha de comando para auto-gerar legendas para qualquer arquivo de vídeo
Streaming em tempo real do Whisper para transcrição e tradução de fala para texto de longa duração
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.
A Alternativa de Código Aberto ao Cluely - Um assistente de IA ultrarrápido e com foco em privacidade que funciona perfeitamente durante reuniões, entrevistas e conversas sem que ninguém saiba. Construído com Tauri para desempenho nativo, apenas 10MB. Completamente indetectável em videochamadas, compartilhamento de tela e gravações.
🔊 Uma lista abrangente de conjuntos de dados de código aberto para computação de voz e som (mais de 95 conjuntos de dados).
Um pacote Python para construir aplicações de áudio em tempo real potencializadas por IA
Reconhecimento de fala em tempo real e detecção de atividade de voz (VAD) usando Kaldi de próxima geração com ncnn, sem conexão com a Internet. Suporte para iOS, Android, Linux, macOS, Windows, Raspberry Pi, VisionFive2, LicheePi4A etc.
💎 Uma lista de corpora de fala acessíveis para ASR, TTS e outras Tecnologias de Fala
Kit de ferramentas de fala por IA para Apple Silicon — ASR, TTS, fala-para-fala, VAD e diarização alimentados por MLX e CoreML
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
Kit de ferramentas Python oficial para a API Qwen3-ASR. Chamadas paralelas de alto rendimento, transcrição robusta de áudios longos e suporte a múltiplas taxas de amostragem.
Toolkit de segmentação de áudio baseado em CNN. Permite detetar fala, música, ruído e género do locutor. Foi concebido para estudos de igualdade de género em larga escala baseados no tempo de fala por género.
Dolphin é um modelo ASR (Reconhecimento Automático de Fala) multilíngue e multitarefa treinado em conjunto pela DataoceanAI e pela Universidade de Tsinghua.
Um sistema ASR All-in-One de nível industrial SOTA com módulos ASR, VAD, LID e Punc. O FireRedASR2 suporta chinês (mandarim, 20+ dialetos/sotaques), inglês, alternância de código e ASR tanto para fala quanto para canto. O FireRedVAD suporta fala/canto/música em 100+ idiomas. O FireRedLID suporta 100+ idiomas e 20+ dialetos chineses. O FireRedPunc suporta chinês e inglês.
Uma detecção de atividade de voz e detecção de eventos de áudio de grau industrial SOTA, suportando mais de 100 idiomas, superando Silero-VAD, TEN-VAD, FunASR-VAD e WebRTC-VAD
Servidor API e websocket para sensevoice. Herdou algumas funcionalidades aprimoradas, como detecção VAD, reconhecimento de streaming em tempo real e verificação de locutor.
Um pipeline otimizado de fala para texto para o modelo Whisper que suporta vários mecanismos de inferência
Síntese de voz, reconhecimento de fala e detecção de atividade de voz para conversas por voz, em C++ com ggml: Qwen3-TTS, Irodori-TTS, Qwen3-ASR, ReazonSpeech, parakeet e Silero VAD em Metal, Vulkan e CPU, com um servidor compatível com OpenAI e transcrição em tempo real.
Sincronizar e traduzir legendas automaticamente, ou criar novas transcrevendo-as, usando DNNs pré‑treinados, alinhamentos forçados e Transformers. https://subaligner.readthedocs.io/
Um sistema leve cliente-servidor para processamento de áudio em tempo real com detecção de atividade de voz (VAD) e reconhecimento automático de fala (ASR).
Perguntas Frequentes
Qual é o repositório de #voice-activity-detection mais popular no GitHub?
O projeto de código aberto de #voice-activity-detection mais bem classificado no GitHub é modelscope/FunASR, com 21,091 estrelas. 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.
Quais linguagens de programação são mais usadas nos repositórios de #voice-activity-detection?
Entre os projetos de #voice-activity-detection mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, C, C++, Jupyter Notebook.
Como é calculada a classificação dos repositórios de #voice-activity-detection?
Acompanhamos 34 repositórios ativos de código aberto marcados com #voice-activity-detection (com mais de 500 estrelas), totalizando 106,805 estrelas e uma média de 3,141 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.