Git Stars Git Stars

#speech 仓库

探索 75 个标记为 #speech 的活跃开源 GitHub 仓库,它们累计获得 371,290 个 Star(平均每个项目 4,950 个)。该主题的领先项目是 coqui-ai/TTS,拥有 44,052 个 Star。

75
仓库总数
371,290
总星标数
4,950
平均每个仓库星标数
1
coqui-ai/TTS

🐸💬 - 一个用于文本转语音的深度学习工具包,在研究和生产中经过实战检验

coqui-ai
⭐ 44,052 Python 👤 coqui-ai Organization 🕐 已更新 2024-08-16 📅 创建时间 2020-05-20
2
OpenBMB/VoxCPM

VoxCPM2:无分词器多语言语音生成、创意语音设计和逼真克隆的TTS

OpenBMB
⭐ 42,850 Python 👤 OpenBMB Organization 🕐 已更新 2026-11-09 📅 创建时间 2025-09-16
3
babysor/MockingBird

🚀在5秒内克隆一个声音,即可实时生成任意语音

babysor
⭐ 36,856 Python 👤 babysor User 🕐 已更新 2026-03-03 📅 创建时间 2021-08-07
4
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
5
IDEA-Research/Grounded-Segment-Anything

Grounded SAM:融合 Grounding DINO 与 Segment Anything & Stable Diffusion & Recognize Anything - 自动检测、分割和生成一切

IDEA-Research
⭐ 17,288 Jupyter Notebook 👤 IDEA-Research Organization 🕐 已更新 2024-09-05 📅 创建时间 2023-04-06
6
kaldi-asr/kaldi

kaldi-asr/kaldi 是 Kaldi 项目的官方位置。

kaldi-asr
⭐ 15,488 Shell 👤 kaldi-asr Organization 🕐 已更新 2025-09-22 📅 创建时间 2015-04-20
7
huggingface/speech-to-speech

使用开源模型构建语音智能体

huggingface
⭐ 13,760 Python 👤 huggingface Organization 🕐 已更新 2026-11-19 📅 创建时间 2024-08-07
8
snakers4/silero-vad

Silero VAD:预训练的企业级语音活动检测器

snakers4
⭐ 10,732 Python 👤 snakers4 User 🕐 已更新 2026-11-20 📅 创建时间 2020-11-23
9
AIGC-Audio/AudioGPT

AudioGPT: 理解与生成语音、音乐、声音和说话头

AIGC-Audio
⭐ 10,208 Python 👤 AIGC-Audio Organization 🕐 已更新 2024-07-06 📅 创建时间 2023-03-16
10
modelscope/modelscope

ModelScope:将Model-as-a-Service的概念变为现实。

modelscope
⭐ 9,224 Python 👤 modelscope Organization 🕐 已更新 2026-11-16 📅 创建时间 2022-07-25
11
netease-youdao/EmotiVoice

EmotiVoice 😊: 一个多语音和提示控制的TTS引擎

netease-youdao
⭐ 8,541 Python 👤 netease-youdao User 🕐 已更新 2026-09-03 📅 创建时间 2023-11-08
12
PaddlePaddle/models

官方维护,由 PaddlePaddle 支持,包括 CV、NLP、Speech、Rec、TS、大模型等。

PaddlePaddle
⭐ 6,939 Python 👤 PaddlePaddle Organization 🕐 已更新 2025-01-15 📅 创建时间 2017-04-20
13
TalAter/annyang

💬 您的网站的语音识别

TalAter
⭐ 6,820 TypeScript 👤 TalAter User 🕐 已更新 2026-10-29 📅 创建时间 2013-08-23
14
snakers4/silero-models

Silero 模型:预训练的文本转语音模型,使用起来极其简单

snakers4
⭐ 6,223 Jupyter Notebook 👤 snakers4 User 🕐 已更新 2026-10-15 📅 创建时间 2020-09-11
15
cactus-compute/engine

面向消费级设备的 2 位量化、内核和运行时。

cactus-compute
⭐ 6,200 C++ 👤 cactus-compute Organization 🕐 已更新 2026-11-05 📅 创建时间 2025-04-23
16
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
17
Rikorose/DeepFilterNet

使用深度滤波进行噪声抑制

Rikorose
⭐ 5,070 Python 👤 Rikorose User 🕐 已更新 2026-11-06 📅 创建时间 2021-10-10
18
jianchang512/stt

语音识别转文本工具 / 一个离线运行的本地音视频转字幕工具,输出json、srt字幕、纯文字格式

jianchang512
⭐ 4,857 Python 👤 jianchang512 User 🕐 已更新 2026-01-22 📅 创建时间 2023-12-28
19
fixie-ai/ultravox

用于实时语音的快速多模态LLM

fixie-ai
⭐ 4,587 Python 👤 fixie-ai Organization 🕐 已更新 2025-12-12 📅 创建时间 2024-05-29
20
modelscope/ClearerVoice-Studio

一个AI驱动的语音处理工具包和开源SOTA预训练模型,支持语音增强、分离和目标说话人提取等。

modelscope
⭐ 4,404 Python 👤 modelscope Organization 🕐 已更新 2025-08-14 📅 创建时间 2024-11-12
21
metavoiceio/metavoice-src

用于类人、富有表现力TTS的基础模型

metavoiceio
⭐ 4,196 Python 👤 metavoiceio Organization 🕐 已更新 2024-07-30 📅 创建时间 2024-02-06
22
IAHispano/Applio

一个简单、高质量的语音转换工具,专注于易用性和性能。

IAHispano
⭐ 4,048 Python 👤 IAHispano Organization 🕐 已更新 2026-11-19 📅 创建时间 2023-08-07
23
avinashkranjan/Amazing-Python-Scripts

🚀 精选从基础到高级的惊人 Python 脚本合集,包含自动化任务脚本。

avinashkranjan
⭐ 3,727 Jupyter Notebook 👤 avinashkranjan User 🕐 已更新 2026-11-07 📅 创建时间 2020-07-14
24
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
25
shu223/iOS-10-Sampler

iOS 10 新 API 的代码示例。

shu223
⭐ 3,301 Swift 👤 shu223 User 🕐 已更新 2024-05-01 📅 创建时间 2016-09-03
26
pytorch/audio

音频信号处理的数据操作和转换,由 PyTorch 提供支持

pytorch
⭐ 2,971 Python 👤 pytorch Organization 🕐 已更新 2026-11-21 📅 创建时间 2017-05-05
27
readbeyond/aeneas

aeneas 是一个 Python/C 库和一组工具,用于自动同步音频和文本(也称为强制对齐)

readbeyond
⭐ 2,882 Python 👤 readbeyond User 🕐 已更新 2026-11-16 📅 创建时间 2015-05-11
⭐ 2,868 Python 👤 tensorflow Organization 🕐 已更新 2026-10-29 📅 创建时间 2018-07-24
29
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
30
Camb-ai/MARS5-TTS

CAMB.AI 的 MARS5 语音模型 (TTS)

Camb-ai
⭐ 2,809 Jupyter Notebook 👤 Camb-ai Organization 🕐 已更新 2024-08-01 📅 创建时间 2024-06-03
31
hahahumble/speechgpt

💬 SpeechGPT 是一个网页应用程序,让您能够与 ChatGPT 进行对话。

hahahumble
⭐ 2,739 TypeScript 👤 hahahumble User 🕐 已更新 2026-07-11 📅 创建时间 2023-03-28
32
pndurette/gTTS

用于与 Google Translate 文本转语音 API 交互的 Python 库和 CLI 工具

pndurette
⭐ 2,637 Python 👤 pndurette User 🕐 已更新 2026-04-06 📅 创建时间 2014-05-15
33
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
34
DigitalPhonetics/IMS-Toucan

适用于 7000 多种语言的可控且快速的文本到语音转换!

DigitalPhonetics
⭐ 2,211 Python 👤 DigitalPhonetics Organization 🕐 已更新 2026-01-25 📅 创建时间 2021-08-05
35
jarikomppa/soloud

游戏用的免费、易用、便携的音频引擎

jarikomppa
⭐ 2,040 C 👤 jarikomppa User 🕐 已更新 2024-08-13 📅 创建时间 2013-07-15
36
praat/praat.github.io

Praat: 用电脑做语音学

praat
⭐ 2,034 C 👤 praat Organization 🕐 已更新 2026-11-17 📅 创建时间 2014-04-11
37
travisvn/openai-edge-tts

免费、高质量的文本转语音 API 端点,可替代 OpenAI、Azure 或 ElevenLabs

travisvn
⭐ 1,962 Python 👤 travisvn User 🕐 已更新 2025-07-01 📅 创建时间 2024-10-09
38
julius-speech/julius

开源大词汇量连续语音识别引擎

julius-speech
⭐ 1,926 C 👤 julius-speech Organization 🕐 已更新 2025-06-16 📅 创建时间 2015-04-28
39
csteinmetz1/ai-audio-startups

人工智能在音频和音乐技术领域合作的初创公司社区列表

csteinmetz1
⭐ 1,761 👤 csteinmetz1 User 🕐 已更新 2025-01-22 📅 创建时间 2022-06-13
40
Tencent-Hunyuan/AuK

AuK:用于语音生成与编辑的开源基础模型

Tencent-Hunyuan
⭐ 1,615 Python 👤 Tencent-Hunyuan Organization 🕐 已更新 2026-11-19 📅 创建时间 2026-08-19
41
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
42
bytedance/SALMONN

SALMONN家族:一套先进的多模态大语言模型

bytedance
⭐ 1,576 👤 bytedance Organization 🕐 已更新 2026-10-16 📅 创建时间 2023-08-11
43
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
44
HG-ha/MTools

MTools 是一款功能强大的多功能桌面应用程序,集音视频处理、图片编辑、文本操作和编码工具于一体。它内置 AI 增强功能,并提供本地 MCP 服务,旨在简化您的工作流程、提升生产效率。

HG-ha
⭐ 1,385 Python 👤 HG-ha User 🕐 已更新 2026-10-09 📅 创建时间 2025-10-26
45
haoheliu/voicefixer

通用语音恢复

haoheliu
⭐ 1,337 Python 👤 haoheliu User 🕐 已更新 2025-02-17 📅 创建时间 2021-09-06
46
DengBoCong/nlp-paper

自然语言处理领域下的相关论文(附阅读笔记),复现模型以及数据处理等(代码含TensorFlow和PyTorch两版本)

DengBoCong
⭐ 1,314 Python 👤 DengBoCong User 🕐 已更新 2024-01-05 📅 创建时间 2020-09-05
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
roatienza/Deep-Learning-Experiments

理解深度学习的视频、笔记和实验

roatienza
⭐ 1,208 Jupyter Notebook 👤 roatienza User 🕐 已更新 2026-11-02 📅 创建时间 2017-01-10
49
lhotse-speech/lhotse

用于处理机器学习项目中多模态数据的工具。

lhotse-speech
⭐ 1,166 Python 👤 lhotse-speech Organization 🕐 已更新 2026-11-20 📅 创建时间 2020-04-24
50
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

常见问题解答

1

GitHub 上最受欢迎的 #speech 仓库是什么?

GitHub 上排名第一的开源 #speech 项目是 coqui-ai/TTS,拥有 44,052 个 Star。🐸💬 - 一个用于文本转语音的深度学习工具包,在研究和生产中经过实战检验

2

#speech 仓库中最常使用的编程语言有哪些?

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

3

#speech 仓库的排名是如何计算的?

我们跟踪了 75 个标记为 #speech 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 371,290 个 Star,平均每个仓库拥有 4,950 个 Star。排名每日根据 GitHub API 更新。