Git Stars Git Stars

#speech-recognition 仓库

204
仓库总数
889,741
总星标数
4,361
平均每个仓库星标数

共 206 个仓库

51
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
52
wquguru/cicada

知了 Cicada · 为任何会议和直播提供实时字幕、同声传译和 AI 会议纪要。支持 Mac、Windows、Linux 和 Android,免费开源。

wquguru
⭐ 2,443 Swift 👤 wquguru User 🕐 已更新 2026-11-19 📅 创建时间 2026-11-01
53
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
54
pannous/tensorflow-speech-recognition

🎙使用 TensorFlow 深度学习框架的语音识别,sequence-to-sequence neural networks

pannous
⭐ 2,176 Python 👤 pannous User 🕐 已更新 2024-01-17 📅 创建时间 2015-12-07
55
react-native-voice/voice

:microphone: React Native 语音识别库,支持 iOS 和 Android(在线和离线)

react-native-voice
⭐ 2,149 TypeScript 👤 react-native-voice Organization 🕐 已更新 2026-01-21 📅 创建时间 2016-05-06
56
fikrikarim/parlor

具备类似 GPT-Live 功能的端侧实时多模态人工智能

fikrikarim
⭐ 2,117 Python 👤 fikrikarim User 🕐 已更新 2026-08-03 📅 创建时间 2026-04-05
57
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
58
nobody132/masr

中文语音识别; Mandarin Automatic Speech Recognition;

nobody132
⭐ 1,962 Python 👤 nobody132 User 🕐 已更新 2024-07-25 📅 创建时间 2019-05-07
59
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
60
wq2012/awesome-diarization

精选的优秀 Speaker Diarization 论文、库、数据集和其他资源的列表。

wq2012
⭐ 1,917 👤 wq2012 User 🕐 已更新 2026-10-26 📅 创建时间 2019-01-19
61
alan-ai/alan-sdk-ios

您的应用的自编码系统 — Alan AI SDK for iOS

alan-ai
⭐ 1,889 Objective-C 👤 alan-ai Organization 🕐 已更新 2025-04-22 📅 创建时间 2019-10-01
62
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
63
QwenLM/Qwen-Audio

Alibaba Cloud 提出的 Qwen-Audio (通义千问-Audio) 聊天与预训练大型音频语言模型的官方仓库。

QwenLM
⭐ 1,857 Python 👤 QwenLM Organization 🕐 已更新 2024-07-05 📅 创建时间 2023-11-07
64
alan-ai/alan-sdk-android

您的应用的自编码系统 — Android 版 Alan AI SDK

alan-ai
⭐ 1,815 👤 alan-ai Organization 🕐 已更新 2025-04-22 📅 创建时间 2019-10-01
65
peteonrails/voxtype

Wayland 合成器的按键触发语音转文本

peteonrails
⭐ 1,810 Rust 👤 peteonrails User 🕐 已更新 2026-11-20 📅 创建时间 2025-11-28
66
FL33TW00D/whisper-turbo

跨平台、GPU 加速的 Whisper 🏎️

FL33TW00D
⭐ 1,808 TypeScript 👤 FL33TW00D User 🕐 已更新 2024-02-27 📅 创建时间 2023-08-18
67
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
68
alan-ai/alan-sdk-flutter

您的应用的自编码系统 — Flutter版 Alan AI SDK

alan-ai
⭐ 1,768 Ruby 👤 alan-ai Organization 🕐 已更新 2025-04-22 📅 创建时间 2020-04-22
69
abb128/LiveCaptions

提供实时字幕的 Linux 桌面应用程序

abb128
⭐ 1,753 C 👤 abb128 User 🕐 已更新 2025-02-27 📅 创建时间 2022-11-30
71
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
72
strob/gentle

温和强制对齐器

strob
⭐ 1,713 Python 👤 strob User 🕐 已更新 2026-07-24 📅 创建时间 2015-10-23
74
Ayanaminn/N46Whisper

基于Whisper的日语字幕生成器

Ayanaminn
⭐ 1,708 Jupyter Notebook 👤 Ayanaminn User 🕐 已更新 2025-02-23 📅 创建时间 2022-10-25
75
royshil/obs-localvocal

用于本地语音识别和字幕的OBS插件,支持AI

royshil
⭐ 1,674 C++ 👤 royshil User 🕐 已更新 2026-11-05 📅 创建时间 2023-08-10
76
alan-ai/alan-sdk-ionic

专为您的应用打造的自编码系统 — Ionic 版 Alan AI SDK

alan-ai
⭐ 1,661 TypeScript 👤 alan-ai Organization 🕐 已更新 2025-04-22 📅 创建时间 2020-04-24
77
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
78
finnvoor/yap

🗣️ 使用 Speech.framework 在 macOS 26 上进行设备内语音转录的 CLI

finnvoor
⭐ 1,640 Swift 👤 finnvoor User 🕐 已更新 2026-07-20 📅 创建时间 2025-06-15
79
semperai/amica

Amica 是一个用于与拥有语音合成和语音识别功能的 3D 角色进行交互式通信的开源界面。

semperai
⭐ 1,626 TypeScript 👤 semperai Organization 🕐 已更新 2026-11-12 📅 创建时间 2023-10-29
80
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
81
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
82
espressif/esp-sr

语音识别

espressif
⭐ 1,589 C 👤 espressif Organization 🕐 已更新 2026-11-11 📅 创建时间 2019-07-29
83
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
84
AlekPet/ComfyUI_Custom_Nodes_AlekPet

扩展Comfyui功能的自定义节点

AlekPet
⭐ 1,535 JavaScript 👤 AlekPet User 🕐 已更新 2026-11-20 📅 创建时间 2023-05-10
85
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
86
GauravSingh9356/J.A.R.V.I.S

使用Python库构建的个人助理。它几乎可以做任何事情,包括发送电子邮件、光学字符识别、通过API集成随时进行动态新闻报道、待办事项列表生成器、只需语音命令即可打开任何网站、播放音乐、维基百科搜索、具有智能感应(即自动拼写检查)的字典、天气报告(即温度、风速、湿度)、YouTube搜索、谷歌地图搜索、YouTube下载等。

GauravSingh9356
⭐ 1,495 Python 👤 GauravSingh9356 User 🕐 已更新 2025-12-02 📅 创建时间 2020-06-27
87
wit-ai/pywit

Wit.ai 的 Python 库

wit-ai
⭐ 1,485 Python 👤 wit-ai Organization 🕐 已更新 2026-08-28 📅 创建时间 2014-09-29
88
microsoft/DNS-Challenge

此仓库包含 Deep Noise Suppression (DNS) Challenge 的脚本、模型和所需文件。

microsoft
⭐ 1,480 Python 👤 microsoft Organization 🕐 已更新 2026-11-10 📅 创建时间 2020-01-14
89
ARahim3/mlx-tune

使用 Apple Silicon 在你的 Mac 上微调 LLM。SFT、DPO、GRPO、视觉、TTS、STT、嵌入和 OCR 微调 — 原生在 MLX 上。与 Unsloth 兼容的 API。

ARahim3
⭐ 1,475 Python 👤 ARahim3 User 🕐 已更新 2026-06-23 📅 创建时间 2026-01-03
90
microsoft/SpeechT5

面向口语处理的统一模态语音-文本预训练

microsoft
⭐ 1,420 Python 👤 microsoft Organization 🕐 已更新 2024-04-24 📅 创建时间 2022-02-08
91
PrunaAI/pruna

Pruna 是一个为开发者构建的模型优化框架,使您能够以最小的开销交付更快、更高效的模型。

PrunaAI
⭐ 1,399 Python 👤 PrunaAI Organization 🕐 已更新 2026-11-21 📅 创建时间 2025-03-11
92
coqui-ai/open-speech-corpora

💎 ASR、TTS 及其他语音技术的可访问语音语料库列表

coqui-ai
⭐ 1,377 👤 coqui-ai Organization 🕐 已更新 2024-06-06 📅 创建时间 2019-01-31
93
Softcatala/whisper-ctranslate2

基于CTranslate2的Whisper命令行客户端,兼容原始OpenAI客户端。

Softcatala
⭐ 1,374 Python 👤 Softcatala Organization 🕐 已更新 2026-11-12 📅 创建时间 2023-03-17
94
ratwithacompiler/OBS-captions-plugin

使用 Google 语音识别的 Closed Captioning OBS 插件

ratwithacompiler
⭐ 1,351 C++ 👤 ratwithacompiler User 🕐 已更新 2026-10-09 📅 创建时间 2019-07-13
95
linyiLYi/voice-assistant

一个本地语音助手的简单玩具演示,集成了whisper和大语言模型。

linyiLYi
⭐ 1,329 Python 👤 linyiLYi User 🕐 已更新 2024-04-30 📅 创建时间 2023-12-09
96
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
97
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
98
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
99
aTrainTranscription/aTrain

一款用于语音录音离线转录的图形用户界面工具,包括说话人分离,利用了最先进的机器学习模型。

aTrainTranscription
⭐ 1,244 Python 👤 aTrainTranscription Organization 🕐 已更新 2026-11-20 📅 创建时间 2023-10-03
100
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