
icefall 專案收錄了使用 k2-fsa 與 lhotse、面向多種資料集的語音相關訓練配方。
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
1,500
±0 (10月13日〜)
最後提交
2026年11月
GitHub 建立日期
2021年6月26日
收錄日
—
自頁面建立時收錄
Star 數變化
以表格顯示
| 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 | 1,500 |
| 2026年10月 | 1,500 |
| 2026年11月 | 1,500 |
各月最後一次快照。1,000 以上的 Star 數以 100 為單位四捨五入。
同分類的熱門資源
whisperopenai110k透過大規模弱監督實現的穩健語音辨識。
whisper.cppggml-org54kOpenAI Whisper 模型的 C/C++ 移植版。
faster-whisperSYSTRAN26k基於 CTranslate2 的更快 Whisper 轉寫。
whisperXm-bain24kWhisperX:具備詞級時間戳(及說話者分離)的自動語音辨識。
FunASRmodelscope21k支援訓練、推論、串流語音辨識、VAD、標點、說話者分離管線以及相容 OpenAI/MCP 服務的開源語音辨識工具包。
NeMo SpeechNVIDIA-NeMo19k為從事大型語言模型、多模態與語音 AI(自動語音辨識與文字轉語音)研究和開發的人員打造的可擴充生成式 AI 框架。
研究領域相近的資源
- wav2vec2-large-xlsr-53-japanesejonatasgrosman16M日語 wav2vec‑2 XLSR‑53 在 Common Voice 6.1、CSS10 與 JSUT 上微調,需要 16 kHz 音訊,並可透過 HuggingSound 或 HuggingFace pipelines 使用。HF 模型共同: 語音辨識
kaldikaldi-asr15kkaldi-asr/kaldi 是 Kaldi 專案的官方所在地。共同: 語音辨識
vosk-apialphacep15k面向 Android、iOS、Raspberry Pi 及伺服器的離線語音辨識 API,支援 Python、Java、C# 和 Node。共同: 語音辨識- wav2vec2-large-xlsr-japanese-hiraganavumichien153k一個經由 facebook/wav2vec2‑large‑xlsr‑53 在 Common Voice 與 JSUT corpus 微調的日語語音辨識模型,已優化為 16 kHz 音訊輸入。HF 模型共同: 語音辨識
espnetespnet10k端到端語音處理工具包。共同: 語音辨識
SenseVoiceQwenAudio9.4k開源模型 SenseVoiceSmall,支援普通話、粵語、英語、日語和韓語的語音辨識、語種識別、情緒辨識和音訊事件偵測。共同: 語音辨識