
アプリに組み込める最先端の CoreML 音声モデル ── 音声合成、音声認識、発話区間検出、話者分離。Swift 製で、最先端のオープンソースを活用。
他の言語の説明
統計
2026年11月17日時点の統計
GitHub の Star 数
3,000
±0 (10月13日〜)
最終コミット
2026年11月
GitHub での作成日
2025年6月21日
掲載日
—
ページ作成時から掲載
Star 数の推移
数値を表で見る
| 月 | Star |
|---|---|
| 2025年12月 | — |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | — |
| 2026年4月 | — |
| 2026年5月 | — |
| 2026年6月 | — |
| 2026年7月 | — |
| 2026年8月 | — |
| 2026年9月 | 2,900 |
| 2026年10月 | 3,000 |
| 2026年11月 | 3,000 |
各月の最後のスナップショット。Star 数は 1,000 以上では 100 単位に丸められています。
同じカテゴリで人気のリソース
NeMo SpeechNVIDIA-NeMo19k大規模言語モデル・マルチモーダル・音声AI(自動音声認識とテキスト読み上げ)に取り組む研究者・開発者向けに構築された、スケーラブルな生成AIフレームワーク。
sherpa-onnxk2-fsa15k次世代 Kaldi と onnxruntime を用いた、インターネット接続不要の音声認識・音声合成・話者分離・音声強調・音源分離・VAD。組み込みシステム、Android、iOS、HarmonyOS、Raspberry Pi、RISC-V、RK NPU、Axera NPU、Ascend NPU、x86_64サーバー、WebSocketサーバー/クライアントに対応し、12のプログラミング言語をサポート。
moonshinemoonshine-ai11k音声エージェントやインターフェースの構築に向けた、超低遅延の音声認識・意図認識・音声合成。
CrispASRCrispStrobe732多言語の音声認識・音声合成モデル向けの C++(ggml)ランタイムハブ:Cohere Transcribe、Parakeet TDT、Voxtral、Canary 1B v2 など、さらに汎用の強制アラインメントなども提供。
whisperopenai110k大規模弱教師あり学習によるロバストな音声認識。
whisper.cppggml-org54kOpenAI の Whisper モデルの C/C++ 移植版。
研究分野が近いリソース
- LFM2.5-Audio-1.5B-JP-GGUFLiquidAI506kLiquidAI の LFM 2.5‑Audio 1.5B JP モデルの量子化 GGUF バージョン(言語、オーディオエンコーダー、およびボコーダー重み:F32/F16/Q8_0/Q4_0)と、llama.cpp を使用した ASR と TTS の CLI/Server ランナー。HF モデル共通: 音声認識・音声合成
mlx-audioNeywa-Labs8kApple の MLX フレームワーク上に構築された音声合成(TTS)・音声認識(STT)・音声変換(STS)ライブラリで、Apple Silicon 上で効率的な音声解析を実現。共通: 音声認識・音声合成- kana-whispersbintuitions42kWhisper large‑v3‑turboをファインチューニングしたモデルで、日本語音声をカタカナに文字起こしするASRコンポーネントとして、Sarashina2.2‑TTSプロジェクト内のJoyo Kanji Yomi Benchmarkに使用され、Kana CER Usage With Transformersパイプラインを動かします。HF モデル共通: 音声認識・音声合成
- japanese-hubert-base-phoneme-ctc-v2prj-beatrice7krinna/japanese-hubert-base をベースにしたファインチューニング済み日本語音素 CTC モデルで、精度の高い v2 としてリリースされました。このバージョンでは「日本/方/明日」を含む文は除外し、「十/0/0」の pyopenjtalk-plus 発音に「ジュッ」が含まれるものも削除します。また「言う」の発音を「イウ」から「ユー」に変更しています。HF モデル共通: 音声認識・音声合成
- japanese-hubert-base-phoneme-ctcprj-beatrice4krinna/japanese‑hubert‑base をベースにしたファインチューニング済みの日本語音素 CTC モデル。ReazonSpeech v2 データと pyopenjtalk‑plus ラベルで訓練され、新しい v2 リリース(prj-beatrice/japanese-hubert-base-phoneme-ctc-v2)で精度が向上しています。HF モデル共通: 音声認識・音声合成
- japanese-hubert-base-phoneme-ctc-v3prj-beatrice2kCTC音素認識(v3)用にファインチューニングされた日本語HuBERT‑base、MeCab N‑bestをpyopenjtalk‑plusで後処理し、CTCとMeCabコストを組み合わせた加重損失、更新された除外ルール、新しい「ty」音素を追加。HF モデル共通: 音声認識・音声合成