Git Stars Git Stars

#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。

34
仓库总数
106,805
总星标数
3,141
平均每个仓库星标数
1
modelscope/FunASR

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。

modelscope
⭐ 21,091 Python 👤 modelscope Organization 🕐 已更新 2026-11-21 📅 创建时间 2022-11-24
2
pyannote/pyannote-audio

说话者分离的神经构建块:语音活动检测、说话者变化检测、重叠语音检测、说话者嵌入

pyannote
⭐ 10,821 Jupyter Notebook 👤 pyannote Organization 🕐 已更新 2026-11-19 📅 创建时间 2016-03-07
3
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
4
noisetorch/NoiseTorch

Linux 上的实时麦克风降噪。

noisetorch
⭐ 10,268 Go 👤 noisetorch Organization 🕐 已更新 2025-01-13 📅 创建时间 2020-07-04
5
smacke/ffsubsync

魔法般自动同步字幕与视频。

smacke
⭐ 7,951 Python 👤 smacke User 🕐 已更新 2026-07-24 📅 创建时间 2019-02-24
6
agermanidis/autosub

[不再维护] 用于为任何视频文件自动生成字幕的命令行实用工具

agermanidis
⭐ 4,203 Python 👤 agermanidis User 🕐 已更新 2024-03-22 📅 创建时间 2015-06-29
7
ufal/whisper_streaming

Whisper 实时流式传输,用于长语音到文本的转录和翻译

ufal
⭐ 3,680 Python 👤 ufal Organization 🕐 已更新 2025-11-12 📅 创建时间 2023-04-05
8
FluidInference/FluidAudio

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。

FluidInference
⭐ 3,319 Swift 👤 FluidInference Organization 🕐 已更新 2026-11-19 📅 创建时间 2025-06-21
9
iamsrikanthnani/pluely

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。

iamsrikanthnani
⭐ 2,793 TypeScript 👤 iamsrikanthnani User 🕐 已更新 2026-10-26 📅 创建时间 2025-08-16
11
wiseman/py-webrtcvad

WebRTC 语音活动检测器的 Python 接口

wiseman
⭐ 2,417 C 👤 wiseman User 🕐 已更新 2024-07-04 📅 创建时间 2016-04-23
12
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
13
jianfch/stable-ts

使用OpenAI的Whisper进行转录、强制对齐和音频索引

jianfch
⭐ 2,251 Python 👤 jianfch User 🕐 已更新 2025-10-29 📅 创建时间 2022-09-29
14
jim-schwoebel/voice_datasets

🔊 语音和声音计算的开放数据集综合列表(95+个数据集)。

jim-schwoebel
⭐ 2,106 👤 jim-schwoebel User 🕐 已更新 2024-06-06 📅 创建时间 2019-07-24
15
ricky0123/vad

适用于浏览器的带简单 API 的语音活动检测器 (VAD)

ricky0123
⭐ 2,080 TypeScript 👤 ricky0123 User 🕐 已更新 2026-09-12 📅 创建时间 2022-10-17
16
juanmc2005/diart

一个用于构建AI驱动的实时音频应用程序的Python包

juanmc2005
⭐ 2,045 Python 👤 juanmc2005 User 🕐 已更新 2026-06-19 📅 创建时间 2021-08-09
17
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
18
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
19
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
20
ABexit/ASR-LLM-TTS

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。

ABexit
⭐ 1,283 Python 👤 ABexit User 🕐 已更新 2026-06-03 📅 创建时间 2024-11-12
21
QwenLM/Qwen3-ASR-Toolkit

Qwen3-ASR API 的官方 Python 工具包。并行高吞吐量调用、鲁棒的长音频转录、多采样率支持。

QwenLM
⭐ 1,020 Python 👤 QwenLM Organization 🕐 已更新 2026-02-05 📅 创建时间 2025-09-16
22
ggeop/Python-ai-assistant

Python AI 助手 🧠

ggeop
⭐ 994 Python 👤 ggeop User 🕐 已更新 2024-11-17 📅 创建时间 2019-05-16
23
sandrohanea/whisper.net

Whisper.net. 使用 Whisper 模型轻松实现语音转文本

sandrohanea
⭐ 954 C# 👤 sandrohanea User 🕐 已更新 2026-11-15 📅 创建时间 2023-02-03
24
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
25
google/visqol

语音和音频感知质量估计器

google
⭐ 894 C++ 👤 google Organization 🕐 已更新 2025-05-17 📅 创建时间 2019-12-06
26
amsehili/auditok

一种语音活动检测和音频分割工具

amsehili
⭐ 862 Python 👤 amsehili User 🕐 已更新 2026-07-28 📅 创建时间 2015-09-17
27
DataoceanAI/Dolphin

Dolphin是由DataoceanAI和清华大学联合训练的多语言、多任务ASR模型。

DataoceanAI
⭐ 800 Python 👤 DataoceanAI User 🕐 已更新 2026-06-11 📅 创建时间 2025-03-18
28
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
29
dpirch/libfvad

基于 WebRTC VAD 引擎的语音活动检测 (VAD) 库

dpirch
⭐ 570 C 👤 dpirch User 🕐 已更新 2024-04-02 📅 创建时间 2016-09-17
30
FireRedTeam/FireRedVAD

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

FireRedTeam
⭐ 569 Python 👤 FireRedTeam Organization 🕐 已更新 2026-05-06 📅 创建时间 2026-03-03
31
0x5446/api4sensevoice

sensevoice 的 API 和 websocket 服务器。它继承了一些增强功能,例如 VAD 检测、实时流识别和说话人验证。

0x5446
⭐ 537 Python 👤 0x5446 User 🕐 已更新 2024-10-23 📅 创建时间 2024-08-11
32
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
33
nyosegawa/speech.cpp

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。

nyosegawa
⭐ 510 C++ 👤 nyosegawa User 🕐 已更新 2026-11-20 📅 创建时间 2026-09-29
34
baxtree/subaligner

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/

baxtree
⭐ 509 Python 👤 baxtree User 🕐 已更新 2026-11-02 📅 创建时间 2019-12-16
35
HKAllThingsLink/streaming-asr

一个轻量级的客户端-服务器系统,用于实时音频处理,具有语音活动检测 (VAD) 和自动语音识别 (ASR)。

HKAllThingsLink
⭐ 502 HTML 👤 HKAllThingsLink Organization 🕐 已更新 2026-01-04 📅 创建时间 2025-12-01

常见问题解答

1

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。

2

#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。

3

#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。