Git Stars Git Stars

#automatic-speech-recognition 仓库

探索 42 个标记为 #automatic-speech-recognition 的活跃开源 GitHub 仓库,它们累计获得 118,799 个 Star(平均每个项目 2,828 个)。该主题的领先项目是 Vaibhavs10/insanely-fast-whisper,拥有 13,052 个 Star。

42
仓库总数
118,799
总星标数
2,828
平均每个仓库星标数
2
facebookresearch/seamless_communication

面向最先进语音和文本翻译的基础模型

facebookresearch
⭐ 11,908 Jupyter Notebook 👤 facebookresearch Organization 🕐 已更新 2026-09-08 📅 创建时间 2023-08-01
3
QuentinFuxa/WhisperLiveKit

实时、本地语音转文字,支持流式ASR、说话人分离、翻译,以及兼容OpenAI/Deepgram的API。

QuentinFuxa
⭐ 11,275 Python 👤 QuentinFuxa User 🕐 已更新 2026-11-14 📅 创建时间 2024-12-19
4
Const-me/Whisper

OpenAI Whisper 自动语音识别 (ASR) 模型的高性能 GPGPU 推理

Const-me
⭐ 10,717 C++ 👤 Const-me User 🕐 已更新 2026-09-22 📅 创建时间 2023-01-07
5
mli/autocut

用文本编辑器剪视频

mli
⭐ 7,522 Python 👤 mli User 🕐 已更新 2024-10-05 📅 创建时间 2022-10-28
6
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
7
MoonshotAI/Kimi-Audio

Kimi-Audio,一个在音频理解、生成和对话方面表现出色的开源音频基础模型

MoonshotAI
⭐ 4,654 Python 👤 MoonshotAI Organization 🕐 已更新 2025-06-21 📅 创建时间 2025-04-25
8
agermanidis/autosub

[不再维护] 用于为任何视频文件自动生成字幕的命令行实用工具

agermanidis
⭐ 4,203 Python 👤 agermanidis User 🕐 已更新 2024-03-22 📅 创建时间 2015-06-29
9
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
10
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
11
Kedreamix/Linly-Dubbing

智能视频多语言AI配音/翻译工具 - Linly-Dubbing — “AI赋能,语言无界”

Kedreamix
⭐ 3,221 Jupyter Notebook 👤 Kedreamix User 🕐 已更新 2025-03-05 📅 创建时间 2024-08-08
12
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
13
facebookresearch/omnilingual-asr

Omnilingual ASR 开源多语言语音识别,适用于 1600 多种语言

facebookresearch
⭐ 2,976 Python 👤 facebookresearch Organization 🕐 已更新 2025-12-30 📅 创建时间 2025-11-06
14
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
16
TEN-framework/ten-vad

语音活动检测器(VAD):低延迟、高性能、轻量级

TEN-framework
⭐ 2,319 C 👤 TEN-framework Organization 🕐 已更新 2026-11-20 📅 创建时间 2025-04-29
17
OpenMOSS/MOSS-Transcribe-Diarize

一款用于 50 多种语言长篇转录的 0.9B 模型,支持说话人分离、时间戳和声学事件感知

OpenMOSS
⭐ 2,286 Python 👤 OpenMOSS Organization 🕐 已更新 2026-10-21 📅 创建时间 2026-05-13
18
QwenLM/Qwen2-Audio

Alibaba Cloud提出的Qwen2-Audio聊天和预训练大型音频语言模型的官方代码库。

QwenLM
⭐ 2,072 Python 👤 QwenLM Organization 🕐 已更新 2025-04-21 📅 创建时间 2024-06-24
19
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
20
stepfun-ai/Step-Audio2

Step-Audio 2 是一个端到端的、多模态的大型语言模型,专为行业级的音频理解和语音对话而设计。

stepfun-ai
⭐ 1,531 Python 👤 stepfun-ai Organization 🕐 已更新 2026-03-16 📅 创建时间 2025-07-15
21
McCloudS/subgen

通过 Jellyfin, Plex, Emby, Tautulli 或 Bazarr 使用 OpenAI Whisper 模型自动生成字幕

McCloudS
⭐ 1,519 Python 👤 McCloudS User 🕐 已更新 2026-08-07 📅 创建时间 2023-01-28
23
k2-fsa/k2

FSA/FST 算法,可微分,兼容 PyTorch。

k2-fsa
⭐ 1,371 Cuda 👤 k2-fsa Organization 🕐 已更新 2026-11-13 📅 创建时间 2020-04-17
24
QwenLM/Qwen3-ASR-Toolkit

Qwen3-ASR API 的官方 Python 工具包。并行高吞吐量调用、鲁棒的长音频转录、多采样率支持。

QwenLM
⭐ 1,020 Python 👤 QwenLM Organization 🕐 已更新 2026-02-05 📅 创建时间 2025-09-16
25
TensorSpeech/TensorFlowASR

:zap: TensorFlowASR: TensorFlow 2 中几乎最先进的自动语音识别。支持使用字符或子词的语言

TensorSpeech
⭐ 1,018 Python 👤 TensorSpeech Organization 🕐 已更新 2026-11-14 📅 创建时间 2020-02-13
26
senstella/parakeet-mlx

使用 MLX 为 Apple Silicon 实现Nvidia的Parakeet模型。

senstella
⭐ 999 Python 👤 senstella User 🕐 已更新 2026-11-17 📅 创建时间 2025-05-03
27
jitsi/jiwer

使用诸如词错误率 (WER) 等相似度度量来评估您的语音转文本系统

jitsi
⭐ 946 Python 👤 jitsi Organization 🕐 已更新 2026-09-03 📅 创建时间 2018-06-19
28
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
29
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
31
DataoceanAI/Dolphin

Dolphin是由DataoceanAI和清华大学联合训练的多语言、多任务ASR模型。

DataoceanAI
⭐ 800 Python 👤 DataoceanAI User 🕐 已更新 2026-06-11 📅 创建时间 2025-03-18
32
EmulationAI/awesome-large-audio-models

关于大型语言模型(LLM)在音频人工智能(Audio AI)中应用的资源集合。

EmulationAI
⭐ 748 👤 EmulationAI Organization 🕐 已更新 2026-11-02 📅 创建时间 2023-08-18
33
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
35
DoMusic/Hybrid-Net

实时音频输出和弦、歌词、节拍和旋律。

DoMusic
⭐ 713 Python 👤 DoMusic Organization 🕐 已更新 2024-08-15 📅 创建时间 2024-03-26
36
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
37
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
38
VITA-MLLM/VITA-Audio

✨✨[NeurIPS 2025] VITA-Audio: 面向高效大型语音语言模型的快速交错跨模态词元生成

VITA-MLLM
⭐ 679 Python 👤 VITA-MLLM Organization 🕐 已更新 2025-05-24 📅 创建时间 2025-04-23
39
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
40
ErlichLiu/Whisper-Input

可以实现按下 Option 按钮开始录制,抬起按钮就结束录制,并调用 Groq Whisper Large V3 Turbo 模型进行转译,由于 Groq 的速度非常快,所以大部分的语音输入都可以在 1-2s 内反馈。并且得益于 whisper 的强大能力,转译效果非常不错。

ErlichLiu
⭐ 593 Python 👤 ErlichLiu User 🕐 已更新 2025-01-29 📅 创建时间 2025-01-11
42
HKAllThingsLink/streaming-asr

一个轻量级的客户端-服务器系统,用于实时音频处理,具有语音活动检测 (VAD) 和自动语音识别 (ASR)。

HKAllThingsLink
⭐ 502 HTML 👤 HKAllThingsLink Organization 🕐 已更新 2026-01-04 📅 创建时间 2025-12-01

常见问题解答

1

GitHub 上最受欢迎的 #automatic-speech-recognition 仓库是什么?

GitHub 上排名第一的开源 #automatic-speech-recognition 项目是 Vaibhavs10/insanely-fast-whisper,拥有 13,052 个 Star。

2

#automatic-speech-recognition 仓库中最常使用的编程语言有哪些?

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

3

#automatic-speech-recognition 仓库的排名是如何计算的?

我们跟踪了 42 个标记为 #automatic-speech-recognition 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 118,799 个 Star,平均每个仓库拥有 2,828 个 Star。排名每日根据 GitHub API 更新。