Git Stars Git Stars

#asr 仓库

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

51
Kieirra/murmure

完全本地、私密且跨平台的语音转文字,带有LLM后处理

Kieirra
⭐ 1,170 TypeScript 👤 Kieirra User 🕐 已更新 2026-11-20 📅 创建时间 2025-10-12
52
xzf-thu/Mega-ASR

首个为现实世界构建的基础ASR——7种原子声学条件、54种复合场景、260万个样本,以及在所有其他模型崩溃的地方比SOTA提升高达约30%。**当其他模型在现实世界中失败后,您会回到MEGA-ASR。 ⭐**

xzf-thu
⭐ 1,152 Python 👤 xzf-thu User 🕐 已更新 2026-09-02 📅 创建时间 2026-05-16
53
sooftware/conformer

“Conformer: 卷积增强的Transformer用于语音识别”的【非官方】PyTorch实现 (INTERSPEECH 2020)

sooftware
⭐ 1,137 Python 👤 sooftware User 🕐 已更新 2026-11-15 📅 创建时间 2021-01-21
54
shang-zhu/violin

开源视频翻译技能

shang-zhu
⭐ 1,091 Python 👤 shang-zhu User 🕐 已更新 2026-09-04 📅 创建时间 2026-04-07
55
alphacep/vosk-android-demo

适用于 Android 的离线语音识别(使用 Vosk 库)。

alphacep
⭐ 1,064 Java 👤 alphacep Organization 🕐 已更新 2025-12-08 📅 创建时间 2019-09-03
56
pykaldi/pykaldi

Kaldi 的 Python 包装器

pykaldi
⭐ 1,039 Python 👤 pykaldi Organization 🕐 已更新 2025-11-30 📅 创建时间 2017-06-19
57
k2-fsa/sherpa

下一代Kaldi的语音转文本服务器框架

k2-fsa
⭐ 1,022 C++ 👤 k2-fsa Organization 🕐 已更新 2026-11-21 📅 创建时间 2022-05-20
58
233stone/vocotype-cli

VocoType 是一款运行在本地端侧的隐私安全语音输入工具,通过快捷键即可将语音实时转换为文字并自动输入到当前应用。支持语音转文字MCP、AI 优化文本、自定义替换词典、录音视频转文字等功能,让语音输入更高效、更安全。

233stone
⭐ 1,016 Python 👤 233stone User 🕐 已更新 2026-10-14 📅 创建时间 2025-10-13
59
nomily-ai/nomily-app

支持 BYOK 的语音录音助手,具备 ASR 转录、说话人分离、AI 摘要以及本地 ASR 端点支持。

nomily-ai
⭐ 1,014 👤 nomily-ai User 🕐 已更新 2026-11-19 📅 创建时间 2026-08-05
60
freewym/espresso

Espresso:一个快速的端到端神经语音识别工具包

freewym
⭐ 942 Python 👤 freewym User 🕐 已更新 2024-09-04 📅 创建时间 2018-12-02
61
geekwenjie/SmartJavaAI

🔥🔥🔥Java免费离线AI算法工具箱,支持人脸识别,活体检测,表情识别、目标检测、实例分割、行人检测、OCR文字识别、车牌识别、表格识别、ASR+TTS、机器翻译等功能,Maven引用即可使用。支持PyTorch、Tensorflow,已集成 Mtcnn、InsightFace、SeetaFace6、YOLOv8~v12、PaddleOCR(PPOCRv5)、Whisper等主流模型

geekwenjie
⭐ 941 Java 👤 geekwenjie User 🕐 已更新 2026-06-20 📅 创建时间 2025-02-21
62
TheDeathDragon/LiveTranslate

实时音频翻译,捕获系统音频+麦克风,运行ASR(Whisper/SenseVoice),通过LLM API进行流式翻译显示。非常适合VTuber、主播和观看外语内容。

TheDeathDragon
⭐ 923 Python 👤 TheDeathDragon User 🕐 已更新 2026-08-17 📅 创建时间 2026-03-15
63
hehehai/VoxtMini

适用于 macOS 的本地模型语音输入:在任何应用中进行转录、翻译和改写。Voxt 的继任者。

hehehai
⭐ 916 Go 👤 hehehai User 🕐 已更新 2026-11-21 📅 创建时间 2026-02-26
64
innovatorved/whisper.api

该项目提供了一个支持用户级别访问的 API,用于使用经过微调和处理的 Whisper ASR 模型将语音转录为文本。

innovatorved
⭐ 914 Python 👤 innovatorved User 🕐 已更新 2026-11-20 📅 创建时间 2023-08-12
65
lifeiteng/OmniSenseVoice

Omni SenseVoice:带有单词时间戳的高速语音识别 🗣️🎯

lifeiteng
⭐ 897 Python 👤 lifeiteng User 🕐 已更新 2025-12-10 📅 创建时间 2024-09-22
66
BryceWG/BiBi-Keyboard

说点啥(BiBi Keyboard):一个基于Kotlin的Android平台的LLM与ASR语音输入法键盘应用

BryceWG
⭐ 896 Kotlin 👤 BryceWG User 🕐 已更新 2026-11-19 📅 创建时间 2025-10-06
67
Spr-Aachen/Easy-Voice-Toolkit

用户友好的语音识别/转录/转换等工具箱 | 简单易用的语音工具箱

Spr-Aachen
⭐ 870 Python 👤 Spr-Aachen User 🕐 已更新 2026-10-25 📅 创建时间 2023-02-09
68
yeyupiaoling/PPASR

基于PaddlePaddle实现端到端中文语音识别,从入门到实战,超简单的入门案例,超实用的企业项目。支持当前最流行的DeepSpeech2、Conformer、Squeezeformer模型

yeyupiaoling
⭐ 868 Python 👤 yeyupiaoling User 🕐 已更新 2025-12-17 📅 创建时间 2021-02-26
69
zai-org/GLM-ASR

GLM-ASR-Nano:一个拥有15亿参数的稳健、开源的语音识别模型

zai-org
⭐ 864 Python 👤 zai-org Organization 🕐 已更新 2026-03-06 📅 创建时间 2025-12-09
70
aiola-lab/whisper-medusa

与蛇发女妖的头颅耳语

aiola-lab
⭐ 860 Python 👤 aiola-lab Organization 🕐 已更新 2026-07-02 📅 创建时间 2024-07-17
71
AkagawaTsurunaki/ZerolanLiveRobot

AI VTuber搭载LLM、ASR、TTS、OCR、CV等技术,陪你进行直播或一起玩Minecraft。

AkagawaTsurunaki
⭐ 834 Python 👤 AkagawaTsurunaki User 🕐 已更新 2026-04-14 📅 创建时间 2024-03-04
72
TrevorS/voxtral-mini-realtime-rs

Voxtral ASR 和 TTS 原生运行并在浏览器中运行。使用 Burn ML 框架实现的 Mistral Voxtral mini 实时 ASR / TTS 的 Rust 实现

TrevorS
⭐ 827 Rust 👤 TrevorS User 🕐 已更新 2026-10-12 📅 创建时间 2026-02-04
74
Ailln/cn2an

📦 快速转化「中文数字」和「阿拉伯数字」~ (最新特性:分数,日期、温度等转化)

Ailln
⭐ 768 Python 👤 Ailln User 🕐 已更新 2026-04-23 📅 创建时间 2018-05-04
75
yeyupiaoling/PaddlePaddle-DeepSpeech

基于PaddlePaddle实现的语音识别,中文语音识别。项目完善,识别效果好。支持Windows,Linux下训练和预测,支持Nvidia Jetson开发板预测。

yeyupiaoling
⭐ 764 Python 👤 yeyupiaoling User 🕐 已更新 2025-12-17 📅 创建时间 2019-11-01
76
FireRedTeam/FireRedASR2S

一个集成了ASR、VAD、LID和Punc模块的SOTA工业级一体化ASR系统。FireRedASR2支持中文(普通话、20多种方言/口音)、英语、语码转换以及语音和歌唱ASR。FireRedVAD支持100多种语言的语音/歌唱/音乐。FireRedLID支持100多种语言和20多种中文方言。FireRedPunc支持中文和英文。

FireRedTeam
⭐ 745 Python 👤 FireRedTeam Organization 🕐 已更新 2026-06-02 📅 创建时间 2026-02-12
77
Macoron/whisper.unity

在本地计算机上的 Unity3d 中运行语音转文本模型 (whisper.cpp)。

Macoron
⭐ 730 C# 👤 Macoron User 🕐 已更新 2025-04-17 📅 创建时间 2023-03-26
78
yeyupiaoling/MASR

Pytorch实现的流式与非流式的自动语音识别框架,同时兼容在线和离线识别,目前支持Conformer、Squeezeformer、DeepSpeech2模型,支持多种数据增强方法。

yeyupiaoling
⭐ 729 Python 👤 yeyupiaoling User 🕐 已更新 2026-07-06 📅 创建时间 2020-07-29
79
openspeech-team/openspeech

基于 PyTorch-Lightning 和 Hydra 的端到端语音识别开源工具包。

openspeech-team
⭐ 715 Python 👤 openspeech-team Organization 🕐 已更新 2026-06-21 📅 创建时间 2021-06-06
80
sofdog-gh/realtime-transcription-fastrtc

使用 FastRTC ⚡️ 和本地 Whisper 🤗 进行实时语音转录

sofdog-gh
⭐ 700 Python 👤 sofdog-gh User 🕐 已更新 2025-07-10 📅 创建时间 2025-03-01
81
vilassn/whisper_android

使用 OpenAI Whisper 和 TensorFlow Lite 进行 Android 离线语音识别

vilassn
⭐ 693 C++ 👤 vilassn User 🕐 已更新 2026-03-18 📅 创建时间 2023-08-26
82
DmitryRyumin/INTERSPEECH-2023-24-Papers

INTERSPEECH 2023-2024 论文:INTERSPEECH 2023-24 会议的完整、有影响力和激动人心的研究论文集。探索语音和语言处理领域的最新进展。包含代码。请 Star 该仓库以支持语音技术的发展!

DmitryRyumin
⭐ 683 👤 DmitryRyumin User 🕐 已更新 2024-12-25 📅 创建时间 2023-06-26
⭐ 677 Python 👤 yinruiqing User 🕐 已更新 2025-09-24 📅 创建时间 2022-11-09
84
Picovoice/cheetah

基于深度学习的设备端流式语音转文本引擎

Picovoice
⭐ 672 Python 👤 Picovoice Organization 🕐 已更新 2026-11-12 📅 创建时间 2018-10-28
85
zenstory-ai/video-recap-skills

AI 视频解说 Agent 技能包:自动切镜、看画面写解说词、配音混音合成成片,可导出剪映/CapCut 草稿,无需 GPU|适用于视频解说回顾与 CapCut 草稿的 Agent 技能

zenstory-ai
⭐ 649 Python 👤 zenstory-ai Organization 🕐 已更新 2026-11-20 📅 创建时间 2026-05-02
86
huggingface/optimum-intel

🤗 Optimum Intel: 使用 Intel 优化工具加速推理

huggingface
⭐ 631 Jupyter Notebook 👤 huggingface Organization 🕐 已更新 2026-11-21 📅 创建时间 2022-05-25
87
zw76859420/ASR_Theory

语音识别理论、论文和PPT

zw76859420
⭐ 616 👤 zw76859420 User 🕐 已更新 2024-08-07 📅 创建时间 2019-01-26
88
Moyf/moys-asr-workflow

阿墨的字幕工作台:Moy 的 ASR 字幕转写工作流(简称 MAW)

Moyf
⭐ 610 JavaScript 👤 Moyf User 🕐 已更新 2026-11-21 📅 创建时间 2026-07-26
89
HiMeditator/auto-caption

一个跨平台的实时字幕显示软件。

HiMeditator
⭐ 610 TypeScript 👤 HiMeditator User 🕐 已更新 2026-10-14 📅 创建时间 2025-05-11
90
RapidAI/RapidASR

📣 商用级开源语音自动识别程序库,开箱即用,全平台支持,中英文混合识别。A Cross-platform implementation of ASR inference. It's based on ONNXRuntime and FunASR. We provide a set of easier APIs to call ASR models.

RapidAI
⭐ 593 C++ 👤 RapidAI Organization 🕐 已更新 2024-05-15 📅 创建时间 2021-12-15
91
second-state/echokit_server

开源语音代理平台

second-state
⭐ 591 Rust 👤 second-state Organization 🕐 已更新 2026-02-15 📅 创建时间 2025-02-26
92
SAOS-3624/dsh-video-storyboard

适用于 DeepSeek Harness 的场景感知型分镜:将 9–16 个带编号的画面格、时间戳、转录文本和音频包络压缩到一张图像中(384 个 token)。两种工具:video_storyboard 和 video_zoom。

SAOS-3624
⭐ 585 JavaScript 👤 SAOS-3624 User 🕐 已更新 2026-11-21 📅 创建时间 2026-10-26
93
wildminder/awesome-ai-voice

开源文本转语音、声音克隆和音乐生成模型列表

wildminder
⭐ 562 👤 wildminder User 🕐 已更新 2026-11-04 📅 创建时间 2026-03-10
94
PiSugar/whisplay-ai-chatbot

使用RPI Zero 2w / 5构建的口袋大小AI聊天机器人

PiSugar
⭐ 545 TypeScript 👤 PiSugar Organization 🕐 已更新 2026-11-19 📅 创建时间 2025-05-07
95
SpeechColab/Leaderboard

SpeechIO Leaderboard:一个大型、稳健、全面的自动语音识别基准测试平台。

SpeechColab
⭐ 545 Python 👤 SpeechColab User 🕐 已更新 2025-03-29 📅 创建时间 2021-02-07
96
kouhxp/yapsnap

将任何视频链接或音频文件转录为纯文本。无需 GPU,无需云端服务,只需一条命令。

kouhxp
⭐ 538 Python 👤 kouhxp User 🕐 已更新 2026-09-15 📅 创建时间 2026-05-20
97
shashikg/WhisperS2T

支持多种推理引擎的 Whisper 模型优化语音到文本管道

shashikg
⭐ 534 Jupyter Notebook 👤 shashikg User 🕐 已更新 2024-08-27 📅 创建时间 2023-12-16
98
ccoreilly/vosk-browser

一个语音识别库,得益于 Vosk 的 WebAssembly 构建,可在浏览器中运行

ccoreilly
⭐ 531 JavaScript 👤 ccoreilly User 🕐 已更新 2025-12-07 📅 创建时间 2021-02-19
99
DmitryRyumin/ICASSP-2023-24-Papers

ICASSP 2023-2024 论文:ICASSP 2023-24 会议中有影响力和令人兴奋的研究论文的完整合集。探索声学、语音和信号处理领域的最新进展。包含代码。给该仓库加星以支持音频和信号处理的进步!

DmitryRyumin
⭐ 527 Python 👤 DmitryRyumin User 🕐 已更新 2025-05-05 📅 创建时间 2023-08-01
100
nyosegawa/speech.cpp

基于 ggml 的 C++ 语音对话解决方案,支持语音合成、语音识别和语音活动检测:Qwen3-TTS、Irodori-TTS、Qwen3-ASR、ReazonSpeech、parakeet 和 Silero VAD,可运行于 Metal、Vulkan 和 CPU,并提供兼容 OpenAI 的服务器及实时转录功能。

nyosegawa
⭐ 510 C++ 👤 nyosegawa User 🕐 已更新 2026-11-20 📅 创建时间 2026-09-29