
面向多语言语音识别与语音合成模型的 C++(ggml)运行时中心:Cohere Transcribe、Parakeet TDT、Voxtral、Canary 1B v2 等,另提供通用强制对齐等功能。
其他语言的说明
统计
统计数据截至 2026年11月17日
GitHub Star 数
732
±0 (10月13日〜)
最后提交
2026年11月
GitHub 创建日期
2026年3月29日
收录日
—
自页面创建时收录
Star 数变化
以表格显示
| 月份 | 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 | 706 |
| 2026年10月 | 732 |
| 2026年11月 | 732 |
各月最后一次快照。1,000 以上的 Star 数按 100 取整。
同分类的热门资源
NeMo SpeechNVIDIA-NeMo19k为从事大语言模型、多模态与语音 AI(自动语音识别与文字转语音)研究和开发的人员打造的可扩展生成式 AI 框架。
sherpa-onnxk2-fsa15k基于新一代 Kaldi 与 onnxruntime、无需联网的语音识别、语音合成、说话人分离、语音增强、声源分离与 VAD。支持嵌入式系统、Android、iOS、HarmonyOS、Raspberry Pi、RISC-V、RK NPU、Axera NPU、Ascend NPU、x86_64 服务器、WebSocket 服务端/客户端,并支持12种编程语言。
moonshinemoonshine-ai11k面向构建语音代理与界面的超低延迟语音转文字、意图识别与文字转语音。
FluidAudioFluidInference3k可嵌入应用的前沿 CoreML 音频模型 —— 语音合成、语音识别、语音活动检测与说话人分离。基于 Swift,采用 SOTA 开源技术。
whisperopenai110k通过大规模弱监督实现的鲁棒语音识别。
whisper.cppggml-org54kOpenAI Whisper 模型的 C/C++ 移植版。
研究领域相近的资源
- LFM2.5-Audio-1.5B-JP-GGUFLiquidAI506kLiquidAI 的 LFM 2.5‑Audio 1.5B JP 模型的量化 GGUF 版本,包括语言、音频编码器和声码器权重(F32/F16/Q8_0/Q4_0),以及使用 llama.cpp 的 ASR 和 TTS CLI/Server 运行器。HF 模型共同: 语音识别・语音合成
mlx-audioNeywa-Labs8k基于 Apple MLX 框架构建的语音合成(TTS)、语音识别(STT)与语音转换(STS)库,在 Apple Silicon 上提供高效的语音分析。共同: 语音识别・语音合成- kana-whispersbintuitions42k一个经过微调的 Whisper large‑v3‑turbo 模型,用于将日语语音转录为片假名,作为 Sarashina2.2‑TTS 项目中 Joyo Kanji Yomi Benchmark 的 ASR 组件,并驱动 Kana CER Usage With Transformers 管道。HF 模型共同: 语音识别・语音合成
- japanese-hubert-base-phoneme-ctc-v2prj-beatrice7k基于 rinna/japanese-hubert-base 的细调日语音素 CTC 模型,以更高精度的 v2 形式发布,排除包含“日本/方/明日”的句子,移除 pyopenjtalk-plus 发音中包含“ジュッ”的 “十/0/0” 的句子,并将 “言う” 的发音从 “イウ” 改为 “ユー”。HF 模型共同: 语音识别・语音合成
- japanese-hubert-base-phoneme-ctcprj-beatrice4k基于 rinna/japanese‑hubert‑base 的微调日语音素 CTC 模型,使用 ReazonSpeech v2 数据和 pyopenjtalk‑plus 标签进行训练,在新版 v2 发布(prj-beatrice/japanese-hubert-base-phoneme-ctc-v2)中实现了更高的准确率。HF 模型共同: 语音识别・语音合成
- japanese-hubert-base-phoneme-ctc-v3prj-beatrice2k为CTC音素识别微调的日本HuBERT-base(v3),加入了MeCab N‑best与pyopenjtalk‑plus后处理、结合CTC和MeCab成本的加权损失、更新排除规则,以及新增“ty”音素。HF 模型共同: 语音识别・语音合成