#voice-activity-detection 仓库
探索 34 个标记为 #voice-activity-detection 的活跃开源 GitHub 仓库,它们累计获得 106,805 个 Star(平均每个项目 3,141 个)。该主题的领先项目是 modelscope/FunASR,拥有 21,091 个 Star。
共 35 个仓库
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。
Cluely 的开源替代品 - 一款闪电般快速、注重隐私的 AI 助手,可在会议、面试和对话中无缝运行,而无人知晓。使用 Tauri 构建,性能原生,仅 10MB。在视频通话、屏幕共享和录制中完全无法检测。
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。
这是一个基于开源模型的语音交互系统,依次集成了ASR、LLM和TTS。ASR模型是SenceVoice,LLM模型是QWen2.5-0.5B/1.5B,TTS模型有CosyVoice、Edge-TTS和pyttsx3三种。
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。
一种SOTA工业级语音活动检测与音频事件检测,支持100多种语言,性能优于Silero-VAD、TEN-VAD、FunASR-VAD和WebRTC-VAD
基于 ggml 的 C++ 语音对话解决方案,支持语音合成、语音识别和语音活动检测:Qwen3-TTS、Irodori-TTS、Qwen3-ASR、ReazonSpeech、parakeet 和 Silero VAD,可运行于 Metal、Vulkan 和 CPU,并提供兼容 OpenAI 的服务器及实时转录功能。
自动同步并翻译字幕,或通过转录创建新的字幕,使用预训练的DNN、强制对齐和Transformer。 https://subaligner.readthedocs.io/
常见问题解答
GitHub 上最受欢迎的 #voice-activity-detection 仓库是什么?
GitHub 上排名第一的开源 #voice-activity-detection 项目是 modelscope/FunASR,拥有 21,091 个 Star。开源语音识别工具包,用于训练、推理、流式ASR、语音活动检测(VAD)、标点符号、说话人分离管道,以及兼容OpenAI/MCP的服务。
#voice-activity-detection 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #voice-activity-detection 项目中,最常见的编程语言是 Python, C, C++, Jupyter Notebook。
#voice-activity-detection 仓库的排名是如何计算的?
我们跟踪了 34 个标记为 #voice-activity-detection 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 106,805 个 Star,平均每个仓库拥有 3,141 个 Star。排名每日根据 GitHub API 更新。