#speech-recognition Репозитории
Откройте для себя 204 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #speech-recognition, с общим числом 889,741 звёзд (в среднем 4,361 на проект). Лидером этой темы является huggingface/transformers, набравший 169,339 звёзд.
Всего репозиториев: 206
🤗 Transformers: фреймворк определения моделей для передовых моделей машинного обучения в текстах, зрении, аудио и мультимодальных моделях, как для инференса, так и для обучения.
WhisperX: Автоматическое распознавание речи с временными метками на уровне слов (& диаризация)
Набор инструментов с открытым исходным кодом для распознавания речи, предназначенный для обучения, вывода, потокового ASR, VAD, пунктуации, конвейеров диаризации дикторов и обслуживания, совместимого с OpenAI/MCP.
API оффлайн-распознавания речи для Android, iOS, Raspberry Pi и серверов с Python, Java, C# и Node
Скрипты глубокого обучения передового уровня, организованные по моделям - легко обучать и развертывать с воспроизводимой точностью и производительностью на инфраструктуре корпоративного уровня.
Gradio WebUI для создателей и разработчиков, с основными функциями TTS (Edge-TTS, kokoro) и клонированием голоса без обучения (zero-shot Voice Cloning) (E2 & F5-TTS, CosyVoice), а также обработкой аудио Whisper, загрузкой с YouTube, выделением вокала Demucs и многоязычным переводом.
Погрузитесь в Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision и NLP, изучая эти увлекательные лекции!!
Простой в использовании набор инструментов для речи, включающий модель самообучения, SOTA/потоковый ASR с пунктуацией, потоковый TTS с текстовым фронтендом, систему верификации спикера, перевод речи от начала до конца и распознавание ключевых слов. Получил награду Best Demo Award NAACL2022.
OpenVINO™ — это набор инструментов с открытым исходным кодом для оптимизации и развертывания вывода ИИ.
Преобразование речи в текст в реальном времени и локально с потоковым ASR, диаризацией говорящих, переводом и API, совместимыми с OpenAI/Deepgram.
Модель SenseVoiceSmall с открытым исходным кодом для распознавания речи на мандаринском, кантонском, английском, японском и корейском языках, идентификации языка, распознавания эмоций и обнаружения аудиособытий.
Модуль распознавания речи для Python, поддерживающий несколько движков и API, онлайн и офлайн.
Система распознавания китайской речи на основе глубокого обучения
Библиотека преобразования текста в речь (TTS), речи в текст (STT) и речи в речь (STS), построенная на базе фреймворка MLX от Apple, обеспечивающая эффективный анализ речи на Apple Silicon.
Инструмент для транскрибации видео, создания субтитров и нарезки с помощью LLM на базе FunASR с локальным интерфейсом Gradio.
Инструментарий для автоматического распознавания речи от Facebook AI Research
Автоматическое распознавание речи с диаризацией диктора на основе OpenAI Whisper
Сначала производство и готовый к производству комплект для сквозного распознавания речи
Инструмент распознавания речи в текст / Локальный автономный инструмент для преобразования аудио/видео в субтитры с выводом в форматах json, srt и простого текста
Реализация модели Whisper от OpenAI на JAX для ускорения до 70 раз на TPU.
Дистиллированный вариант Whisper для распознавания речи. В 6 раз быстрее, на 50% меньше, с погрешностью менее 1% ошибок на слово.
Qwen3-ASR — это серия моделей ASR с открытым исходным кодом, разработанная командой Qwen в Alibaba Cloud, поддерживающая стабильное многоязычное распознавание речи/музыки/песен, детекцию языка и прогнозирование временных меток.
Система диалогового цифрового аватара - Linly-Talker. 😄✨ Linly-Talker — это интеллектуальная система ИИ, которая объединяет большие языковые модели (LLM) с моделями визуализации для создания нового метода взаимодействия человека и ИИ. 🤝🤖 Она интегрирует различные технологии, такие как Whisper, Linly, Microsoft Speech Services и систему генерации говорящих голов SadTalker. 🌟🔬
Пример кода для Microsoft Cognitive Services Speech SDK
Среда выполнения голосовых функций в реальном времени, которая позволяет агентам общаться, работать и оставаться на связи. Среда выполнения голосовых функций в реальном времени для ИИ-агентов
Автономные исполняемые файлы Whisper & Faster-Whisper для тех, кто не хочет возиться с Python.
Альтернатива Amazon Echo/Google Home с открытым исходным кодом, локальная и с самостоятельным размещением
Преобразуйте аудио и видео в субтитры с помощью простого веб-интерфейса. Всё работает на вашем устройстве. Ранее назывался Whishper.
Это полностью автоматический проект перевода видео (аудио). Он использует Whisper для распознавания речи, большие модели ИИ для перевода субтитров, а затем объединяет субтитры с видео для создания переведенного видео.
Фреймворк для обнаружения аудио-ключевых слов (или фраз) с открытым исходным кодом, ориентированный на производительность и простоту.
Многоязычное автоматическое распознавание речи с временными метками на уровне слов и уверенностью
Часто задаваемые вопросы
Какой репозиторий по теме #speech-recognition наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #speech-recognition на GitHub — huggingface/transformers, набравший 169,339 звёзд. 🤗 Transformers: фреймворк определения моделей для передовых моделей машинного обучения в текстах, зрении, аудио и мультимодальных моделях, как для инференса, так и для обучения.
Какие языки программирования чаще всего используются в репозиториях по теме #speech-recognition?
Среди наиболее высоко оценённых проектов по теме #speech-recognition на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, C++, TypeScript.
Как рассчитывается рейтинг репозиториев по теме #speech-recognition?
Мы отслеживаем 204 активных репозиториев с открытым исходным кодом, отмеченных тегом #speech-recognition (500 и более звёзд), с общим числом 889,741 звёзд и в среднем 4,361 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.