whisperX 是用 Python 编写的开源项目,主题标签有限,建议打开仓库查看具体用途。
WhisperX: Automatic Speech Recognition with Word-level Timestamps (& Diarization)
microsoft
Visual Studio Code 编辑器源码,微软开源的跨平台代码编辑器。目前累计 19.4 万 star、4.5 万 fork,在本地项目库中星标排名约第 36 / 65707,主要语言为 TypeScript,项目始于 2015 年,采用 MIT 许可。最近状态:本周仍有提交。
适合谁:推荐给写代码与文档的人:涉及 editor、electron、microsoft、typescript 方向。
按累计星标排序,库内共 65,714 个项目(GitHub 上星标 ≥ 1k 的公开仓库约 65,999 个)。
优先使用本地记录的星标快照计算近 7 天真实增量;快照不足 7 天时,按「创建以来日均获星」估算,数值旁会标注口径。
已收录 GitHub 星标过千的公开项目,附原始简介、语言、主题与活跃度。用一句自然语言描述需求,即可获得 AI 推荐。
whisperX 是用 Python 编写的开源项目,主题标签有限,建议打开仓库查看具体用途。
WhisperX: Automatic Speech Recognition with Word-level Timestamps (& Diarization)
FunASR 是用 Python 编写的 AI 工具,用于大模型与智能体应用开发,主打开源免费。
Open-source speech recognition toolkit for training, inference, streaming ASR, VAD, punctuation, speaker diarization pipelines, and OpenAI-compatibl…
Speech 是用 Python 编写的学习资料,用于系统学习与查阅,主打可伸缩。
A scalable generative AI framework built for researchers and developers working on Large Language Models, Multimodal, and Speech AI (Automatic Speec…
sherpa-onnx 是用 C++ 编写的移动端方案,用于移动应用开发。
Speech-to-text, text-to-speech, speaker diarization, speech enhancement, source separation, and VAD using next-gen Kaldi with onnxruntime without In…
vosk-api 是用 Jupyter Notebook 编写的 AI 工具,用于人工智能方向的建模与推理。
Offline speech recognition API for Android, iOS, Raspberry Pi and servers with Python, Java, C# and Node
PaddleSpeech 是用 Python 编写的学习资料,用于系统学习与查阅,主打易用。
Easy-to-use Speech Toolkit including Self-Supervised Learning model, SOTA/Streaming ASR with punctuation, Streaming TTS with text frontend, Speaker …
speechbrain 是用 Python 编写的多媒体工具,用于处理音视频内容。
A PyTorch-based Speech Toolkit
SenseVoice 是用 C 编写的多媒体工具,用于处理音视频内容,主打开源免费。
Open-source SenseVoiceSmall model for Mandarin, Cantonese, English, Japanese, and Korean ASR, language ID, emotion recognition, and audio event dete…
youtube-transcript-api 是用 Python 编写的命令行工具,在终端中直接使用。
This is a python API which allows you to get the transcript/subtitles for a given YouTube video. It also works for automatically generated subtitles…
🤖 wukong-robot 是一个简单、灵活、优雅的中文语音对话机器人/智能音箱项目,支持ChatGPT多轮对话能力,还可能是首个支持脑机交互的开源智能音箱项目。
🤖 wukong-robot 是一个简单、灵活、优雅的中文语音对话机器人/智能音箱项目,支持ChatGPT多轮对话能力,还可能是首个支持脑机交互的开源智能音箱项目。
FunClip 是用 Python 编写的 AI 工具,用于大模型与智能体应用开发。
FunASR-powered video transcription, subtitle generation, and LLM-assisted clipping tool with a local Gradio UI.
whisper-diarization 是用 Jupyter Notebook 编写的开源项目,主题标签有限,建议打开仓库查看具体用途。
Automatic Speech Recognition with Speaker Diarization based on OpenAI Whisper
html5 js 录音 mp3 wav ogg webm amr g711a g711u 格式,支持pc和Android、iOS部分Web浏览器、Hybrid App(提供Android iOS App源码)、微信,提供ASR语音识别转…
html5 js 录音 mp3 wav ogg webm amr g711a g711u 格式,支持pc和Android、iOS部分Web浏览器、Hybrid App(提供Android iOS App源码)、微信,提供ASR语音识别转文字 H5版语音通话聊天示例 DTMF编码解码
wenet 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理,主打适合生产环境。
Production First and Production Ready End-to-End Speech Recognition Toolkit
LLPlayer 是用 C# 编写的多媒体工具,用于处理音视频内容,主打实时。
The media player for language learning, with dual subtitles, AI-generated subtitles, real-time translation, and more!
Hold a key, speak, release — AI-polished text appears at your cursor in any app. Open-source voice input for macOS & W…
Hold a key, speak, release — AI-polished text appears at your cursor in any app. Open-source voice input for macOS & Windows. (按住快捷键说话,松开即得润色后的文字)
Streamer-Sales 销冠 —— 卖货主播 LLM 大模型🛒🎁,一个能够根据给定的商品特点从激发用户购买意愿角度出发进行商品解说的卖货主播大模型。🚀⭐内含详细的数据生成流程❗ 📦另外还集成了 LMDeploy 加速推理�…
Streamer-Sales 销冠 —— 卖货主播 LLM 大模型🛒🎁,一个能够根据给定的商品特点从激发用户购买意愿角度出发进行商品解说的卖货主播大模型。🚀⭐内含详细的数据生成流程❗ 📦另外还集成了 LMDeploy 加速推理🚀、RAG检索增强生成 📚、TTS文字转语音🔊、数字人生…
audio.cpp 是用 C++ 编写的多媒体工具,用于处理音视频内容,主打高性能。
An all-in-one, pure C++ inference engine for audio models, powered by ggml. Supports TTS, STT, VAD, voice conversion, music generation, and more, wi…
whisper-asr-webservice 是用 Python 编写的 AI 工具,用于大模型与智能体应用开发。
OpenAI Whisper ASR Webservice API
whisper-standalone-win 是一个 AI 工具,用于大模型与智能体应用开发,主打速度快。
Whisper & Faster-Whisper standalone executables for those who don't want to bother with Python.
GPA 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理,主打轻量。
[AutoArk] GPA (General Purpose Audio) can do ASR, TTS and voice conversion with one tiny model!
FluidAudio 是用 Swift 编写的多媒体工具,用于处理音视频内容,主打开源免费。
Frontier CoreML audio models in your apps — text-to-speech, speech-to-text, voice activity detection, and speaker diarization. In Swift, powered by …
faster-whisper-GUI 是用 Python 编写的 AI 工具,用于大模型与智能体应用开发。
faster_whisper GUI with PySide6
lingvo 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
Lingvo
项目列表来自 GitHub 官方 Search API(stars:>1000)。单个查询最多只能返回前 1000 条,所以「同步热门」取到的是星标最高的 1000 个;要拿全量必须按星标区间拆成多个查询——本站会先查各区间的真实数量再自动切分(1k–2k 约 3.2 万个,2k–5k 约 2.1 万个,5k–20k 约 1 万个,2 万以上约 2300 个)。GitHub 上星标过千的公开仓库当前约 65,999 个,本站已收录 65,714 个。星标、简介、语言与主题均为 GitHub 原始字段,未做人工逐一核验。
中文介绍分三种来源,卡片与详情页均有标注:热门项目使用本站人工维护的条目;其余项目由程序依据语言、主题、简介中的特征词与项目数据自动生成;仓库原简介本身是中文时直接引用原文。自动生成的介绍只是对公开字段的归纳,不代表项目方表述,也不构成选型结论。
每日推荐按北京时间每天从星标 6000 以上、近 18 个月仍有提交且未归档的项目中选取,排除近 120 天已推荐过的项目,同一天内结果固定。推荐结果由规则引擎(或配置的大模型)生成,不构成选型结论。
每天每台设备可免费检索 3 次,浏览、筛选和关键词查找不消耗额度。选择下方任一方案即可继续(当前为模拟支付)。
模拟支付不会接入真实渠道,也不会产生任何扣款。