Git Stars Git Stars

#speech 仓库

75
仓库总数
371,290
总星标数
4,950
平均每个仓库星标数
51
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
52
FireRedTeam/FireRedTTS

一个开源的LLM驱动的TTS基础系统

FireRedTeam
⭐ 925 Python 👤 FireRedTeam Organization 🕐 已更新 2025-09-28 📅 创建时间 2024-08-15
53
ina-foss/inaSpeechSegmenter

基于CNN的音频分割工具包。允许检测语音、音乐、噪声和说话者性别。设计用于基于每种性别语音时间的规模化性别平等研究。

ina-foss
⭐ 919 Python 👤 ina-foss Organization 🕐 已更新 2026-03-12 📅 创建时间 2018-03-12
54
OpenMOSS/AnyGPT

基于离散序列建模的统一多模态语言模型

OpenMOSS
⭐ 889 Python 👤 OpenMOSS Organization 🕐 已更新 2026-09-06 📅 创建时间 2024-02-18
55
lmnt-com/diffwave

DiffWave是一个快速、高质量的神经元声码器和波形合成器。

lmnt-com
⭐ 876 Python 👤 lmnt-com Organization 🕐 已更新 2024-03-26 📅 创建时间 2020-09-23
56
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
57
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
58
AlphaAvatar/AlphaAvatar

面向所有人的全能实时助手

AlphaAvatar
⭐ 823 Python 👤 AlphaAvatar User 🕐 已更新 2026-11-21 📅 创建时间 2025-07-30
59
cboard-org/cboard

适用于浏览器的文本转语音的辅助与替代沟通(AAC)系统

cboard-org
⭐ 769 JavaScript 👤 cboard-org Organization 🕐 已更新 2026-11-18 📅 创建时间 2017-02-10
60
goxr3plus/XR3Player

🎧 🎼 最先进的 JavaFX 媒体播放器

goxr3plus
⭐ 765 Java 👤 goxr3plus User 🕐 已更新 2025-04-28 📅 创建时间 2017-01-10
61
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
62
coqui-ai/TTS-papers

🐸 TTS论文集

coqui-ai
⭐ 720 👤 coqui-ai Organization 🕐 已更新 2024-07-04 📅 创建时间 2020-05-15
63
OlaWod/FreeVC

FreeVC:迈向高质量无文本单次语音转换

OlaWod
⭐ 715 Python 👤 OlaWod User 🕐 已更新 2025-01-19 📅 创建时间 2022-10-27
64
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
65
OpenMOSS/MOSS-Audio

一个通过生成字幕、问答和推理来理解语音、环境声音和音乐的开源模型

OpenMOSS
⭐ 713 Python 👤 OpenMOSS Organization 🕐 已更新 2026-09-06 📅 创建时间 2026-04-11
66
travisvn/chatterbox-tts-api

本地兼容 OpenAI 的文本转语音(TTS)API,使用 Chatterbox,使用户能够在任何使用 OpenAI API 的地方(如 Open WebUI、AnythingLLM 等)生成语音克隆语音。

travisvn
⭐ 700 Python 👤 travisvn User 🕐 已更新 2025-12-23 📅 创建时间 2025-05-31
67
Orenoid/BabelDuck

适合初学者的AI对话练习应用

Orenoid
⭐ 694 TypeScript 👤 Orenoid User 🕐 已更新 2026-04-07 📅 创建时间 2024-09-18
68
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
69
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
70
Graphi07/room-impulse-responses

公开可用的房间脉冲响应数据集及其下载脚本列表。

Graphi07
⭐ 629 Shell 👤 Graphi07 User 🕐 已更新 2026-08-21 📅 创建时间 2021-03-19
71
ddlBoJack/Speech-Resources

语音方向实验室/公司/资源/实习等,欢迎推荐或自荐

ddlBoJack
⭐ 591 👤 ddlBoJack User 🕐 已更新 2024-11-13 📅 创建时间 2021-11-04
72
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
73
google/tacotron

与 Tacotron(一个端到端语音合成模型)相关的出版物附带的音频样本。

google
⭐ 539 HTML 👤 google Organization 🕐 已更新 2025-08-01 📅 创建时间 2017-03-20
74
bshall/knn-vc

仅使用最近邻的声码

bshall
⭐ 529 Python 👤 bshall User 🕐 已更新 2026-01-16 📅 创建时间 2023-03-08
75
yl4579/StarGANv2-VC

StarGANv2-VC:一个多样化、无监督、非并行框架,用于自然发声的语音转换

yl4579
⭐ 520 Python 👤 yl4579 User 🕐 已更新 2025-01-13 📅 创建时间 2021-07-21
76
adventists-ai/sophon-realtime

开放式全双工语音模型,能够听懂你的语气并以相应语气回应。借助 vLLM-Omni,仅需一块 GPU;或使用 MLX 在 Mac 上完全离线运行。零样本声音克隆,兼容 OpenAI Realtime / GPT-Live,并提供免费的托管 API 试用。Apache-2.0。

adventists-ai
⭐ 510 Python 👤 adventists-ai Organization 🕐 已更新 2026-11-20 📅 创建时间 2026-11-04