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

151
mezbaul-h/june

本地语音聊天机器人,用于进行引人入胜的对话,由Ollama、Hugging Face Transformers和Coqui TTS Toolkit提供支持

mezbaul-h
⭐ 786 Python 👤 mezbaul-h User 🕐 已更新 2024-08-12 📅 创建时间 2024-06-03
152
mallorbc/whisper_mic

允许使用麦克风配合 OpenAI Whisper 的项目。

mallorbc
⭐ 784 Python 👤 mallorbc User 🕐 已更新 2024-07-04 📅 创建时间 2022-09-23
153
markovka17/dla

用于音频处理的深度学习

markovka17
⭐ 780 Jupyter Notebook 👤 markovka17 User 🕐 已更新 2026-11-08 📅 创建时间 2020-08-23
154
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
155
soupslurpr/Transcribro

Android 的私有和设备端语音识别键盘和服务。

soupslurpr
⭐ 765 Kotlin 👤 soupslurpr User 🕐 已更新 2026-11-12 📅 创建时间 2024-03-15
156
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
157
amanvirparhar/chaplin

一款实时无声语音识别工具。

amanvirparhar
⭐ 763 Python 👤 amanvirparhar User 🕐 已更新 2025-11-02 📅 创建时间 2025-02-03
158
exPHAT/SwiftWhisper

🎤 在 Swift 中转录音频的最简单方法

exPHAT
⭐ 751 Swift 👤 exPHAT User 🕐 已更新 2024-05-23 📅 创建时间 2023-03-29
159
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
160
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
161
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
162
MycroftAI/adapt

适应意图解析器

MycroftAI
⭐ 722 Python 👤 MycroftAI Organization 🕐 已更新 2024-07-21 📅 创建时间 2015-09-08
163
Picovoice/rhino

基于深度学习的设备端语音到意图引擎

Picovoice
⭐ 719 Python 👤 Picovoice Organization 🕐 已更新 2026-11-16 📅 创建时间 2018-10-28
164
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
165
Baidu-AIP/speech-demo

语音 API 示例

Baidu-AIP
⭐ 709 Java 👤 Baidu-AIP Organization 🕐 已更新 2024-07-25 📅 创建时间 2018-02-24
166
jamsch/expo-speech-recognition

React Native Expo 项目用语音识别

jamsch
⭐ 700 TypeScript 👤 jamsch User 🕐 已更新 2026-10-29 📅 创建时间 2023-10-30
167
Picovoice/speech-to-text-benchmark

语音到文本基准框架

Picovoice
⭐ 700 Python 👤 Picovoice Organization 🕐 已更新 2026-11-16 📅 创建时间 2018-08-04
168
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
169
xinjli/allosaurus

Allosaurus 是一个预先训练的通用电话识别器,支持超过 2000 种语言

xinjli
⭐ 689 Python 👤 xinjli User 🕐 已更新 2024-04-26 📅 创建时间 2020-02-12
170
zeekk0/OpenAmika

OpenAmika:MekaHime 的 AI 伙伴 Amika,现已开源。配备 Live2D 虚拟形象、实时语音、长期记忆,并可使用 OpenRouter 或 Ollama 作为大脑。

zeekk0
⭐ 684 Python 👤 zeekk0 User 🕐 已更新 2026-11-21 📅 创建时间 2026-11-03
171
inclusionAI/Ming

Ming - 建立在 Ling LLM 之上的,用于促进先进的多模态理解和生成能力。

inclusionAI
⭐ 683 Jupyter Notebook 👤 inclusionAI Organization 🕐 已更新 2026-07-27 📅 创建时间 2025-04-21
172
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
173
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
174
sveinbjornt/hear

macOS 内置语音识别和转录功能的命令行界面。

sveinbjornt
⭐ 671 Objective-C 👤 sveinbjornt User 🕐 已更新 2026-08-30 📅 创建时间 2022-02-23
175
Jakobovski/free-spoken-digit-dataset

一套免费的语音数字数据集。MNIST的音频版本。

Jakobovski
⭐ 663 Python 👤 Jakobovski User 🕐 已更新 2024-05-02 📅 创建时间 2016-06-21
176
woheller69/whisperIME

基于Whisper的Android输入法编辑器

woheller69
⭐ 661 Java 👤 woheller69 User 🕐 已更新 2026-10-28 📅 创建时间 2024-12-30
177
xifan2333/fcitx5-vinput

Fcitx5 语音输入——本地与云端语音识别、LLM 改写、跨发行版软件包

xifan2333
⭐ 654 C++ 👤 xifan2333 User 🕐 已更新 2026-11-21 📅 创建时间 2026-03-06
178
judahpaul16/gpt-home

ChatGPT在家!比商用智能家居助手更好的选择,基于Raspberry Pi,使用LiteLLM和LangGraph构建。

judahpaul16
⭐ 654 Python 👤 judahpaul16 User 🕐 已更新 2026-09-13 📅 创建时间 2023-09-05
179
evancohen/sonus

:speech_balloon: /so.nus/ STT(语音转文本)用于 Node 的离线热词检测

evancohen
⭐ 639 JavaScript 👤 evancohen User 🕐 已更新 2026-09-11 📅 创建时间 2016-08-30
180
mmpneo/curses

OBS、VRChat、Twitch聊天和Discord的语音转文本及KB输入字幕

mmpneo
⭐ 620 TypeScript 👤 mmpneo User 🕐 已更新 2024-06-18 📅 创建时间 2022-11-16
181
reriiasu/speech-to-text

使用 faster-whisper 进行实时转录

reriiasu
⭐ 607 HTML 👤 reriiasu User 🕐 已更新 2024-07-23 📅 创建时间 2023-03-30
182
tornikegomareli/Talkify

闪电般快速、免费、本地优先的 macOS 语音听写,支持设备端转录

tornikegomareli
⭐ 599 Swift 👤 tornikegomareli User 🕐 已更新 2026-10-17 📅 创建时间 2026-08-05
⭐ 580 C# 👤 VolcanicArts User 🕐 已更新 2026-10-29 📅 创建时间 2022-03-14
184
githubharald/CTCWordBeamSearch

带有词典和语言模型的连接主义时序分类 (CTC) 解码器。

githubharald
⭐ 580 C++ 👤 githubharald User 🕐 已更新 2026-01-31 📅 创建时间 2018-03-01
185
lovemefan/SenseVoice.cpp

Funasr的Sense-voice模型移植到C/C++

lovemefan
⭐ 574 C 👤 lovemefan User 🕐 已更新 2025-12-19 📅 创建时间 2024-08-06
186
alan-ai/alan-sdk-reactnative

为您的应用提供的自编码系统 — React Native 的 Alan AI SDK

alan-ai
⭐ 573 Ruby 👤 alan-ai Organization 🕐 已更新 2026-02-14 📅 创建时间 2019-10-23
187
algolia/voice-overlay-ios

🗣 一个覆盖层,获取用户语音权限并在可自定义的 UI 中将输入转换为文本

algolia
⭐ 557 Swift 👤 algolia Organization 🕐 已更新 2026-06-23 📅 创建时间 2018-06-25
188
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
189
opennookorg/betterwispr

适用于 macOS 的免费开源、本地优先听写应用。按住快捷键说话,文字就会输入到任何应用中。使用 Whisper、Parakeet 和 Apple 语音技术在设备端将语音转为文本。私密、离线、开源的 Wispr Flow 替代品。

opennookorg
⭐ 544 Swift 👤 opennookorg Organization 🕐 已更新 2026-11-14 📅 创建时间 2026-10-07
190
opendilab/CleanS2S

高品质流式Speech-to-Speech交互代理,只用一个文件。只用一个文件实现的流式全双工语音交互原型智能体!

opendilab
⭐ 543 Python 👤 opendilab Organization 🕐 已更新 2026-04-07 📅 创建时间 2024-09-26
191
rtzr/Awesome-Korean-Speech-Recognition

韩语语音识别 STT API 列表。每个性能基准。

rtzr
⭐ 542 👤 rtzr Organization 🕐 已更新 2025-08-15 📅 创建时间 2023-08-21
192
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
193
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
194
CheyneyComputerScience/CREMA-D

基于众包的情感多模态演员数据集 (CREMA-D)

CheyneyComputerScience
⭐ 532 R 👤 CheyneyComputerScience Organization 🕐 已更新 2025-03-21 📅 创建时间 2017-09-29
195
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
196
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
197
shibing624/parrots

自动语音识别(ASR)、文本到语音(TTS)引擎。中英语音识别、多角色语音合成,支持多语言,准确率高

shibing624
⭐ 527 Python 👤 shibing624 User 🕐 已更新 2025-11-11 📅 创建时间 2018-08-26
198
cjyaddone/ChatWaifuL2D

Renpy 启用的 ChatWaifu 版本

cjyaddone
⭐ 524 Python 👤 cjyaddone User 🕐 已更新 2024-04-08 📅 创建时间 2022-12-19
199
liusongxiang/Large-Audio-Models

跟踪音频领域的大模型,包括语音、歌唱、音乐等。

liusongxiang
⭐ 522 👤 liusongxiang User 🕐 已更新 2026-07-03 📅 创建时间 2023-03-12
200
apeatling/ollama-voice-mac

Mac 兼容的 Ollama Voice

apeatling
⭐ 519 Python 👤 apeatling User 🕐 已更新 2025-08-21 📅 创建时间 2023-12-27