#voice-activity-detection Репозитории
Откройте для себя 34 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #voice-activity-detection, с общим числом 106,805 звёзд (в среднем 3,141 на проект). Лидером этой темы является modelscope/FunASR, набравший 21,091 звёзд.
Всего репозиториев: 35
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.
Нейронные строительные блоки для диаризации спикеров: обнаружение речевой активности, обнаружение смены спикера, обнаружение перекрывающейся речи, встраивание спикера
Silero VAD: предварительно обученный детектор активности речи корпоративного уровня
[БОЛЬШЕ НЕ ПОДДЕРЖИВАЕТСЯ] Утилита командной строки для автоматической генерации субтитров для любого видеофайла
Whisper потоковая передача в реальном времени для длительной транскрипции и перевода речи в текст
Аудиомодели Frontier CoreML в ваших приложениях — преобразование текста в речь, преобразование речи в текст, обнаружение голосовой активности и диаризация дикторов. В Swift, на базе современных открытых исходных кодов.
Альтернатива Cluely с открытым исходным кодом — молниеносный ИИ-ассистент с приоритетом конфиденциальности, который беспрепятственно работает во время совещаний, интервью и разговоров, оставаясь незамеченным. Создан с использованием Tauri для нативной производительности, всего 10 МБ. Полностью незаметен при видеозвонках, демонстрации экрана и записях.
Детектор голосовой активности (VAD): низкая задержка, высокая производительность и легковесность
Транскрипция, принудительное выравнивание и индексация аудио с помощью Whisper от OpenAI
🔊 Обширный список наборов данных с открытым исходным кодом для обработки голоса и звука (более 95 наборов данных).
Пакет Python для создания аудиоприложений реального времени с использованием искусственного интеллекта
Распознавание речи в реальном времени и обнаружение голосовой активности (VAD) с использованием Kaldi нового поколения с ncnn без подключения к Интернету. Поддержка iOS, Android, Linux, macOS, Windows, Raspberry Pi, VisionFive2, LicheePi4A и т. д.
💎 Список доступных речевых корпусов для ASR, TTS и других технологий речи
Инструментарий ИИ для речи на Apple Silicon — ASR, TTS, речь-в-речь, VAD и диаризация на базе MLX и CoreML
Это система речевого взаимодействия, построенная на основе модели с открытым исходным кодом, последовательно интегрирующая ASR, LLM и TTS. Модель ASR — SenceVoice, модели LLM — QWen2.5-0.5B/1.5B, а модели TTS — CosyVoice, Edge-TTS и pyttsx3.
Официальный Python-инструментарий для API Qwen3-ASR. Параллельные высокопроизводительные вызовы, надежная транскрипция длинного аудио, поддержка нескольких частот дискретизации.
Whisper.net. Преобразование речи в текст упрощено с помощью моделей Whisper
Инструментарий для сегментации аудио на основе CNN. Позволяет обнаруживать речь, музыку, шум и пол говорящего. Разработан для масштабных исследований гендерного равенства на основе времени речи по гендерам.
Dolphin — это многоязычная многозадачная модель ASR, совместно обученная DataoceanAI и Университетом Цинхуа.
Передовая промышленная комплексная система ASR с модулями ASR, VAD, LID и Punc. FireRedASR2 поддерживает китайский (мандарин, 20+ диалектов/акцентов), английский, переключение кодов, а также ASR для речи и пения. FireRedVAD поддерживает речь/пение/музыку на 100+ языках. FireRedLID поддерживает 100+ языков и 20+ китайских диалектов. FireRedPunc поддерживает китайский и английский.
Промышленная система обнаружения речевой активности и обнаружения аудиособытий уровня SOTA, поддерживающая более 100 языков, превосходящая Silero-VAD, TEN-VAD, FunASR-VAD и WebRTC-VAD
API и WebSocket-сервер для sensevoice. Он унаследовал некоторые улучшенные функции, такие как обнаружение VAD, распознавание в реальном времени и верификация диктора.
Оптимизированный конвейер преобразования речи в текст для модели Whisper с поддержкой нескольких движков вывода
Синтез речи, распознавание речи и обнаружение речевой активности для голосового общения на C++ с использованием ggml: Qwen3-TTS, Irodori-TTS, Qwen3-ASR, ReazonSpeech, parakeet и Silero VAD для Metal, Vulkan и CPU, с сервером, совместимым с OpenAI, и транскрибацией в реальном времени.
Автоматически синхронизировать и переводить субтитры, либо создать новые, транскрибируя их, используя предобученные глубокие нейронные сети (DNN), принудительное выравнивание и трансформеры. https://subaligner.readthedocs.io/
Легковесная клиент-серверная система для обработки аудио в реальном времени с обнаружением активности голоса (VAD) и автоматическим распознаванием речи (ASR).
Часто задаваемые вопросы
Какой репозиторий по теме #voice-activity-detection наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #voice-activity-detection на GitHub — modelscope/FunASR, набравший 21,091 звёзд. 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.
Какие языки программирования чаще всего используются в репозиториях по теме #voice-activity-detection?
Среди наиболее высоко оценённых проектов по теме #voice-activity-detection на GitHub чаще всего используются языки программирования Python, C, C++, Jupyter Notebook.
Как рассчитывается рейтинг репозиториев по теме #voice-activity-detection?
Мы отслеживаем 34 активных репозиториев с открытым исходным кодом, отмеченных тегом #voice-activity-detection (500 и более звёзд), с общим числом 106,805 звёзд и в среднем 3,141 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.