ASR: open-source проекты на GitHub
27 репозиториев по теме ASR, отобранных ИИ-агентом REDDYX. У каждого — описание на русском, ключевые возможности и разбор. Отсортировано по числу звёзд.
// СМЕЖНЫЕ ТЕМЫ
NVIDIA NEMO SPEECH — ФРЕЙМВОРК ДЛЯ SPEECH AI И МУЛЬТИМОДАЛЬНЫХ LLM
Масштабируемый фреймворк для ASR, TTS и речевых LLM. Позволяет создавать, настраивать и развёртывать модели речи с готовыми чекпоинтами.
★ 18,764 · PythonFunASR — распознавание речи
Промышленный инструмент распознавания речи: 170× realtime, 50+ языков, диаризация, определение эмоций, стриминг и OpenAI-совместимый API.
★ 16,235 · PythonОФФЛАЙН РЕЧЕВАЯ ОБРАБОТКА НА ONNXRUNTIME
Библиотека для распознавания и синтеза речи, диаризации и улучшения аудио. Работает локально на 12 языках программирования и встроенных системах без интернета.
★ 16,007 · C++SenseVoice: Модель для понимания голоса
Мультиязычная модель для анализа и понимания речи на разных языках с высокой точностью.
★ 8,171 · PythonFUNCLIP: ВИДЕО-РЕДАКТОР С ИИ
FunClip — открытый инструмент для точного распознавания речи в видео и быстрого создания клипов с помощью LLM. Простой в использовании, поддерживает Python.
★ 6,562 · PythonLLPlayer - ИЗУЧЕНИЕ ЯЗЫКОВ
Медиаплеер для изучения языков с двойными субтитрами, AI‑субтитрами и переводом в реальном времени.
★ 4,725 · C#Движок аудио-инференса на C++
Единый C++ движок на базе ggml для запуска аудио-моделей (TTS, STT, VAD, конвертация голоса) без зависимостей от Python.
★ 4,234 · C++SGLANG-OMNI: ОМНИ-СЕРВИС ДЛЯ ИИ
SGLang-Omni обеспечивает высокопроизводительный запуск моделей TTS, ASR и речевых omni-моделей на Python.
★ 1,791 · PythonJONEX УНИВЕРСАЛЬНЫЙ МУЛЬТИМОДАЛЬНЫЙ ПАРСЕР
Jonex — универсальный движок парсинга мультимедиа, текста и кода, дополненный онтологией и LLM‑вики. Он индексирует данные, строит граф знаний и выдаёт готовые промпты дл
★ 1,675 · PythonTUYAOPEN – AI+IoT ФРЕЙМВОРК НА C
TuyaOpen — фреймворк для быстрой интеграции AI-агентов с IoT‑устройствами на платформах T2/T3/T5AI и ESP32, написанный на C.
★ 1,579 · CГолосовой ввод с ИИ-обработкой
Зажми клавишу, говори, отпусти — ИИ-улучшенный текст появится рядом с курсором в любом приложении.
★ 1,356 · HTMLAI ДИКТАЦИЯ БЕЗ КЛАВИАТУРЫ
Открытый AI-ассистент для диктовки, работающий локально и офлайн. Набирайте в три раза быстрее без клавиатуры.
★ 1,307 · TypeScriptVOICEMODE - ЕСТЕСТВЕННЫЙ ГОЛОС КЛАУД
Естественные голосовые диалоги с Claude Code прямо в терминале. voicemode превращает текст в живую речь ИИ-ассистента.
★ 1,214 · PythonBYOK диктофон с ИИ-транскрипцией
Приложение для записи голоса с поддержкой собственных ключей API. Транскрибирует речь локально или в облаке, выделяет спикеров и создаёт ИИ-саммари.
★ 1,011OPTIMUM-INTEL - УСКОРЯЙ ИНФЕРЕНС С ИНТЕЛ
Optimum Intel предоставляет инструменты Intel для ускорения инференса моделей ИИ, упрощая развертывание и повышая производительность.
★ 630 · Jupyter NotebookВИДЕО РЕКАП С КЛОД КОД
Проект предоставляет навыки Claude Code для создания китайского озвучивания-рЕкапа из видеофайлов. Экспортирует результат в редактируемый черновик JianYing/CapCut. Работа
★ 626 · PythonСТОРИБОРД ВИДЕО В ОДНОМ ИЗОБРАЖЕНИИ
dsh-video-storyboard создаёт сценный сторיבורд для DeepSeek Harness: 9-16 ячеек с таймкодами, транскриптом и огибающей звука в одном изображении (384 токена). Два инструм
★ 542 · JavaScriptWHISPLA AI ЧАТБОТ НА RPI
Компактный AI-чатбот на Raspberry Pi Zero 2W, написанный на TypeScript. Легко развернуть и общаться с LLM.
★ 536 · TypeScriptFIRE RED ASR2S SOTA РАСПОЗНАВАНИЕ
Полнофункциональная промышленная ASR-система с распознаванием речи, VAD, LID и пунктуацией, поддерживающая китайский, английский, код‑свитчинг и пение.
★ 528 · PythonAudar-ASR-V1: генеративный ASR
Проект представляет Arabic-first генеративную систему распознавания речи с моделями Flash и Turbo, занимающую первое место в лидерборде Open Universal Arabic ASR. Включае
★ 503 · Pythonaudio.cpp WebUI на C++
Полноценный веб‑интерфейс для inference аудио моделей на чистом C++ с использованием ggml. Поддерживает TTS, ASR/STT, VAD, диаризацию, голосовое преобразование и генераци
★ 431 · C++ВОЙСАИ: ШАБЛОНЫ ДЛЯ АГЕНТОВ
Подборка полезных статей и ссылок для создания голосовых ИИ‑агентов. Быстро стартуй с готовыми шаблонами и ресурсами.
★ 341ОФФЛАЙН AI СТУДИЯ ГОЛОСА НА RUST
Локальное приложение для синтеза и распознавания речи с клонированием голосов и диаризацией спикеров. Работает без интернета, скачивает модели само, поддерживает MCP для
★ 312 · RustDELIVE - АУДИО ЗАХВАТ + AI СУБТИТРЫ
Захватывает системный аудио, транскрибирует 12 ASR‑движками на 60+ языках и предлагает AI‑рабочее пространство для саммари, чата и ментальных карт.
★ 261 · TypeScriptWYOMING_OPENAI ПРОКСИ ДЛЯ ОПЕНАЙ
Middleware, совместимый с OpenAI API, который проксирует запросы через протокол Wyoming для голосовых ассистентов.
★ 228 · PythonSoulX-Transcriber транскрибатор речи
End-to-end фреймворк для многоголосой транскрибации, который одновременно определяет, кто говорит, когда и что сказано. Реализован на Python.
★ 33 · PythonЭхоКат: AI-видео конвертер
Проект позволяет одной командой превращать сырые видеозаписи в готовый брендированный контент, оптимизированный под любые платформы, используя локальные модели FFmpeg, Wh
★ 31 · JavaScriptНовые проекты по теме — в Telegram
Telegram →