Git Stars Git Stars

#asr 仓库

探索 100 个标记为 #asr 的活跃开源 GitHub 仓库,它们累计获得 289,141 个 Star(平均每个项目 2,891 个)。该主题的领先项目是 m-bain/whisperX,拥有 25,556 个 Star。

100
仓库总数
289,141
总星标数
2,891
平均每个仓库星标数

共 101 个仓库

1
m-bain/whisperX

WhisperX: 带有单词级时间戳(和说话人分离)的自动语音识别

m-bain
⭐ 25,556 Python 👤 m-bain User 🕐 已更新 2026-11-21 📅 创建时间 2022-12-09
2
modelscope/FunASR

开源语音识别工具包,用于训练、推理、流式ASR、语音活动检测(VAD)、标点符号、说话人分离管道,以及兼容OpenAI/MCP的服务。

modelscope
⭐ 21,091 Python 👤 modelscope Organization 🕐 已更新 2026-11-21 📅 创建时间 2022-11-24
3
NVIDIA-NeMo/Speech

一个可扩展的生成式 AI 框架,专为研究和开发大型语言模型、多模态和语音 AI(自动语音识别和文本到语音)的工作人员构建

NVIDIA-NeMo
⭐ 18,775 Python 👤 NVIDIA-NeMo Organization 🕐 已更新 2026-11-21 📅 创建时间 2019-08-05
4
k2-fsa/sherpa-onnx

使用下一代 Kaldi 配合 onnxruntime 离线进行语音转文字、文字转语音、说话人分离、语音增强、声源分离和 VAD。支持嵌入式系统、Android、iOS、HarmonyOS、树莓派、RISC-V、RK NPU、Axera NPU、Ascend NPU、x86_64 服务器、websocket 服务器/客户端,支持 12 种编程语言

k2-fsa
⭐ 16,076 C++ 👤 k2-fsa Organization 🕐 已更新 2026-11-21 📅 创建时间 2022-09-01
5
alphacep/vosk-api

适用于 Android、iOS、Raspberry Pi 和服务器的离线语音识别 API,支持 Python、Java、C# 和 Node

alphacep
⭐ 15,278 Jupyter Notebook 👤 alphacep Organization 🕐 已更新 2026-10-15 📅 创建时间 2019-09-03
6
PaddlePaddle/PaddleSpeech

易于使用的语音工具包,包括自监督学习模型、带有标点的SOTA/流式ASR、带有文本前端的流式TTS、发言者验证系统、端到端语音翻译和关键词检测。荣获NAACL2022最佳演示奖。

PaddlePaddle
⭐ 12,713 Python 👤 PaddlePaddle Organization 🕐 已更新 2026-08-12 📅 创建时间 2017-11-14
7
speechbrain/speechbrain

一个基于PyTorch的语音工具包

speechbrain
⭐ 11,946 Python 👤 speechbrain Organization 🕐 已更新 2026-10-14 📅 创建时间 2020-04-28
8
QwenAudio/SenseVoice

开源SenseVoiceSmall模型,支持普通话、粤语、英语、日语和韩语的自动语音识别、语言识别、情感识别和音频事件检测。

QwenAudio
⭐ 9,797 C 👤 QwenAudio Organization 🕐 已更新 2026-09-30 📅 创建时间 2024-07-03
9
jdepoix/youtube-transcript-api

这是一个 Python API,它允许您获取给定 YouTube 视频的转录/字幕。它也适用于自动生成的字幕,并且不像其他基于 Selenium 的解决方案那样需要 API 密钥或无头浏览器!

jdepoix
⭐ 8,644 Python 👤 jdepoix User 🕐 已更新 2026-11-09 📅 创建时间 2018-04-20
10
wzpan/wukong-robot

🤖 wukong-robot 是一个简单、灵活、优雅的中文语音对话机器人/智能音箱项目,支持ChatGPT多轮对话能力,还可能是首个支持脑机交互的开源智能音箱项目。

wzpan
⭐ 7,063 Python 👤 wzpan User 🕐 已更新 2024-10-25 📅 创建时间 2019-01-16
11
modelscope/FunClip

基于 FunASR 的视频转录、字幕生成以及带有本地 Gradio UI 的 LLM 辅助剪辑工具。

modelscope
⭐ 6,613 Python 👤 modelscope Organization 🕐 已更新 2026-11-01 📅 创建时间 2023-05-17
12
MahmoudAshraf97/whisper-diarization

基于 OpenAI Whisper 的带说话人分离的自动语音识别

MahmoudAshraf97
⭐ 5,676 Jupyter Notebook 👤 MahmoudAshraf97 User 🕐 已更新 2026-08-15 📅 创建时间 2023-01-25
13
xiangyuecn/Recorder

HTML5 JS 录音 MP3 WAV OGG WebM AMR G711A G711U 格式,支持PC和Android、iOS部分Web浏览器、Hybrid App(提供Android iOS App源码)、微信,提供ASR语音识别转文字 H5版语音通话聊天示例 DTMF编码解码

xiangyuecn
⭐ 5,642 JavaScript 👤 xiangyuecn User 🕐 已更新 2026-07-30 📅 创建时间 2018-05-16
14
wenet-e2e/wenet

生产优先且为生产就绪的端到端语音识别工具包

wenet-e2e
⭐ 5,258 Python 👤 wenet-e2e Organization 🕐 已更新 2026-10-26 📅 创建时间 2020-11-17
15
umlx5h/LLPlayer

适用于语言学习的媒体播放器,提供双语字幕、AI生成字幕、实时翻译等功能!

umlx5h
⭐ 4,779 C# 👤 umlx5h User 🕐 已更新 2026-11-05 📅 创建时间 2025-01-31
16
0xShug0/audio.cpp

一个基于ggml的全能纯C++音频模型推理引擎。支持TTS、STT、VAD、语音转换、音乐生成等功能,性能高度优化。无需Python依赖。

0xShug0
⭐ 4,385 C++ 👤 0xShug0 User 🕐 已更新 2026-11-21 📅 创建时间 2026-06-23
17
Open-Less/openless

按住快捷键说话,松开即得润色后的文字。在任意应用的光标处出现。macOS & Windows 的开源语音输入。

Open-Less
⭐ 4,148 Rust 👤 Open-Less Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-04-27
18
PeterH0323/Streamer-Sales

Streamer-Sales 销冠 —— 卖货主播 LLM 大模型🛒🎁,一个能够根据给定的商品特点从激发用户购买意愿角度出发进行商品解说的卖货主播大模型。🚀⭐内含详细的数据生成流程❗ 📦另外还集成了 LMDeploy 加速推理🚀、RAG检索增强生成 📚、TTS文字转语音🔊、数字人生成 🦸、 Agent 使用网络查询实时信息🌐、ASR 语音转文字🎙️、Vue 生态搭建前端🍍、FastAPI 搭建后端🗝️、Docker-compose 打包部署🐋

PeterH0323
⭐ 3,695 Python 👤 PeterH0323 User 🕐 已更新 2025-03-08 📅 创建时间 2024-04-05
19
ahmetoner/whisper-asr-webservice

OpenAI Whisper ASR 网站服务API

ahmetoner
⭐ 3,370 Python 👤 ahmetoner User 🕐 已更新 2026-10-01 📅 创建时间 2022-09-22
20
FluidInference/FluidAudio

Frontier CoreML 音频模型,适用于您的应用 — 文本转语音、语音转文本、语音活动检测和说话人分离。采用 SOTA 开源技术,支持 Swift。

FluidInference
⭐ 3,319 Swift 👤 FluidInference Organization 🕐 已更新 2026-11-19 📅 创建时间 2025-06-21
21
Purfview/whisper-standalone-win

Whisper & Faster-Whisper 独立可执行文件,供不想折腾 Python 的用户使用。

Purfview
⭐ 3,229 👤 Purfview User 🕐 已更新 2025-11-07 📅 创建时间 2023-02-25
22
AutoArk/GPA

[AutoArk] GPA (General Purpose Audio) 仅需一个微型模型即可实现 ASR(语音识别)、TTS(语音合成)和语音转换!

AutoArk
⭐ 3,054 Python 👤 AutoArk Organization 🕐 已更新 2026-05-25 📅 创建时间 2025-12-16
23
CheshireCC/faster-whisper-GUI

faster_whisper 桌面GUI (PySide6)

CheshireCC
⭐ 2,999 Python 👤 CheshireCC User 🕐 已更新 2026-08-25 📅 创建时间 2023-07-18
⭐ 2,868 Python 👤 tensorflow Organization 🕐 已更新 2026-10-29 📅 创建时间 2018-07-24
25
linto-ai/whisper-timestamped

具有词级时间戳和置信度的多语言自动语音识别

linto-ai
⭐ 2,860 Python 👤 linto-ai Organization 🕐 已更新 2026-09-28 📅 创建时间 2023-01-13
26
harry0703/AudioNotes

快速提取音视频内容,整理成一份结构化的markdown笔记

harry0703
⭐ 2,564 Python 👤 harry0703 User 🕐 已更新 2026-08-19 📅 创建时间 2024-07-19
27
coqui-ai/STT

🐸STT - 语音转文本的深度学习工具包。训练和部署 STT 模型从未如此简单。

coqui-ai
⭐ 2,547 C++ 👤 coqui-ai Organization 🕐 已更新 2024-03-11 📅 创建时间 2021-03-04
28
handy-computer/transcribe.cpp

支持 16 种以上模型系列的 ggml 语音转文字推理

handy-computer
⭐ 2,194 C++ 👤 handy-computer Organization 🕐 已更新 2026-11-20 📅 创建时间 2026-04-07
29
FireRedTeam/FireRedASR

开源工业级ASR模型,支持普通话、中文方言和英语,在公开的普通话ASR基准测试中达到新的SOTA,同时提供卓越的歌词识别能力。

FireRedTeam
⭐ 2,014 Python 👤 FireRedTeam Organization 🕐 已更新 2026-02-25 📅 创建时间 2025-01-24
30
tuya/TuyaOpen

面向 T2/T3/T5AI/ESP32/及更多设备的下一代AI+IoT框架 – 快速的IoT和AI代理硬件集成

tuya
⭐ 1,956 C 👤 tuya Organization 🕐 已更新 2026-11-20 📅 创建时间 2023-12-25
31
sgl-project/sglang-omni

面向交互式超级智能系统的高性能服务运行时

sgl-project
⭐ 1,882 Python 👤 sgl-project Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-01-07
32
k2-fsa/sherpa-ncnn

使用下一代 Kaldi 和 ncnn 进行实时语音识别和语音活动检测 (VAD),无需连接互联网。支持 iOS、Android、Linux、macOS、Windows、Raspberry Pi、VisionFive2、LicheePi4A 等。

k2-fsa
⭐ 1,801 C++ 👤 k2-fsa Organization 🕐 已更新 2026-11-12 📅 创建时间 2022-09-04
33
wwbin2017/bailing

百聆 是一个类似GPT-4o的语音对话机器人,通过ASR+LLM+TTS实现,集成DeepSeek R1等优秀大模型,接入openClaw,真正的个人语音助手,时延低至800ms,Mac等低配置也可运行,支持打断

wwbin2017
⭐ 1,794 Python 👤 wwbin2017 User 🕐 已更新 2026-04-06 📅 创建时间 2024-08-25
34
mkiol/dsnote

Speech Note Linux 应用。通过离线语音转文本、文本转语音和机器翻译进行笔记记录、阅读和翻译。

mkiol
⭐ 1,720 C++ 👤 mkiol User 🕐 已更新 2026-11-18 📅 创建时间 2021-10-07
35
yuezhiai/jonex

一体化多模态解析引擎 + 本体驱动、LLM Wiki 驱动的 AI 就绪知识引擎

yuezhiai
⭐ 1,714 Python 👤 yuezhiai Organization 🕐 已更新 2026-11-20 📅 创建时间 2026-07-19
36
amicalhq/amical

适用于 macOS 和 Windows 的免费开源语音输入。使用 Whisper 和 Parakeet 在本地进行语音转文字,也支持离线使用。

amicalhq
⭐ 1,648 TypeScript 👤 amicalhq Organization 🕐 已更新 2026-11-21 📅 创建时间 2025-05-08
37
byjlw/video-analyzer

使用 LLM、计算机视觉和自动语音识别分析视频

byjlw
⭐ 1,620 Python 👤 byjlw User 🕐 已更新 2026-04-19 📅 创建时间 2024-11-10
38
QwenAudio/Fun-ASR

Fun-ASR 语音识别模型,为 Fun-ASR-Nano 提供原生 Hugging Face Transformers 支持,并提供独立的 FunASR、vLLM 和 llama.cpp 部署路径。

QwenAudio
⭐ 1,614 C 👤 QwenAudio Organization 🕐 已更新 2026-11-20 📅 创建时间 2025-12-15
39
Delta-ML/delta

DELTA 是一个基于深度学习的自然语言和语音处理平台。LF AI & DATA Projects: https://lfaidata.foundation/projects/delta/

Delta-ML
⭐ 1,602 Python 👤 Delta-ML Organization 🕐 已更新 2025-04-16 📅 创建时间 2019-05-29
40
nyrahealth/CrisperWhisper

可控转录。逐字转录(包括每个填充词、停顿、口吃和发声),或意图转录(即说话者想表达的内容,并针对可读性进行优化),并提供词级时间戳。

nyrahealth
⭐ 1,498 Python 👤 nyrahealth Organization 🕐 已更新 2026-11-11 📅 创建时间 2024-05-24
41
mbailey/voicemode

与 Claude Code 进行自然语音对话

mbailey
⭐ 1,472 Python 👤 mbailey User 🕐 已更新 2026-11-20 📅 创建时间 2025-06-08
42
R3gm/SoniTranslate

视频同步翻译。视频配音

R3gm
⭐ 1,430 Python 👤 R3gm User 🕐 已更新 2026-08-29 📅 创建时间 2023-06-27
43
lenML/Speech-AI-Forge

🍦 Speech-AI-Forge 是一个围绕 TTS 生成模型开发的、实现了 API 服务器和基于 Gradio 的 WebUI 的项目。

lenML
⭐ 1,420 Python 👤 lenML Organization 🕐 已更新 2026-05-21 📅 创建时间 2024-06-01
44
Henry-23/VideoChat

实时交互数字人,可自定义形象与音色,支持音色克隆,对话延迟低至3s。

Henry-23
⭐ 1,333 Python 👤 Henry-23 User 🕐 已更新 2025-12-18 📅 创建时间 2024-10-18
45
goodroot/hyprwhspr

Linux 原生语音转文字 - 快速、准确、私密且可黑客化的全系统听写

goodroot
⭐ 1,287 Python 👤 goodroot User 🕐 已更新 2026-11-19 📅 创建时间 2025-08-27
46
soniqo/speech-swift

适用于 Apple Silicon 的 AI 语音工具包 — 由 MLX 和 CoreML 驱动的 ASR、TTS、语音到语音、VAD 和说话人分割

soniqo
⭐ 1,284 Swift 👤 soniqo Organization 🕐 已更新 2026-11-18 📅 创建时间 2026-02-04
47
ictnlp/StreamSpeech

StreamSpeech 是一个用于离线和同声语音识别、语音翻译和语音合成的“一体化”无缝模型。

ictnlp
⭐ 1,274 Python 👤 ictnlp Organization 🕐 已更新 2025-06-29 📅 创建时间 2024-06-04
48
alphacep/vosk-server

基于 Vosk 和 Kaldi 库的 WebSocket、gRPC 和 WebRTC 语音识别服务器

alphacep
⭐ 1,259 Python 👤 alphacep Organization 🕐 已更新 2025-07-25 📅 创建时间 2019-05-07
49
gufo-org/gufo

专为 AMD Strix Halo 打造的开源 AI 引擎。一个二进制文件集成文本、嵌入、语音、图像和视频模型,提供兼容 OpenAI 的 API、面向编程智能体的缓存,以及模型扩展。支持 Linux 和 Windows。

gufo-org
⭐ 1,236 C++ 👤 gufo-org Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-08-11
50
yeyupiaoling/Whisper-Finetune

微调 Whisper 语音识别模型,以支持无时间戳数据训练、带时间戳数据训练和无语音数据训练。加速推理并支持 Web 部署、Windows 桌面部署和 Android 部署

yeyupiaoling
⭐ 1,222 C 👤 yeyupiaoling User 🕐 已更新 2026-05-08 📅 创建时间 2023-04-22

常见问题解答

1

GitHub 上最受欢迎的 #asr 仓库是什么?

GitHub 上排名第一的开源 #asr 项目是 m-bain/whisperX,拥有 25,556 个 Star。WhisperX: 带有单词级时间戳(和说话人分离)的自动语音识别

2

#asr 仓库中最常使用的编程语言有哪些?

在 GitHub 上排名靠前的 #asr 项目中,最常见的编程语言是 Python, C++, C, Jupyter Notebook。

3

#asr 仓库的排名是如何计算的?

我们跟踪了 100 个标记为 #asr 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 289,141 个 Star,平均每个仓库拥有 2,891 个 Star。排名每日根据 GitHub API 更新。