#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。
共 101 个仓库
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
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。
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!
🤖 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。
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
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🐋
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。
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。
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
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。
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/
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。
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
常见问题解答
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
#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。
#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。