Havuz
Takip ettiğimiz konularda yükselen açık kaynak projeler — yıldız ivmesi, gerçek geliştirme aktivitesi ve AI değerlendirmesiyle.
Yalnız hareketli, son 28 günde commit almamış repoları gizler (yıldızı olan ama bırakılmış projeler). Commit sayısı henüz ölçülmemiş repolar da gizlenir.
EtiketTüm GitHub etiketleri — repo sahiplerinin koyduğu topic'lergöster
Etiketler yükleniyor…
- 1
audio.cpp, ggml tabanlı ortak bir C++ runtime üzerinden farklı ses modellerinde yerel inference çalıştırmayı sağlayan bir framework’tür.
Neden yükseliyor · 96 günlük yaşına rağmen 3067 yıldızın yanı sıra son 28 günde 272 commit ve 18 farklı yazar görünüyor; bu, README’deki geniş model desteğinin yanında kayda değer bir geliştirme hareketliliğine işaret ediyor. README performans iyileştirmeleri ve yeni model desteği bildiriyor, ancak bu kıyasların bağımsız doğrulaması verilen bilgilerden anlaşılamıyor.
29,8/gün ort. +21 son gün 322 commit 21 yazar C++ 23 Haz 2026 güncellendi dün - 2
hayamimi, specialist ASR modellerini dile göre yönlendirerek CPU üzerinde gerçek zamanlı, çok dilli konuşma dökümü ve canlı altyazı sağlar.
Neden yükseliyor · 34 günlük yaşına karşın 348 yıldız ve son 28 günde 112 commit dikkat çekici ilgi ve geliştirme temposuna işaret ediyor. Ancak bu çalışma 3 farklı yazarla sınırlı; ilginin nedenini veya kalıcı benimsemeyi tek başına kanıtlamıyor.
6,6/gün ort. +0 son gün 0 commit 0 yazar Python 25 Ağu 2026 güncellendi 17 Eyl 2026 - 3
Oído, ESP32-S3 üzerinde cloud veya NPU olmadan open-vocabulary speech recognition çalıştırmayı hedefleyen C tabanlı bir ASR motorudur.
Neden yükseliyor · Düşük maliyetli bir mikrodenetleyicide open-vocabulary ASR çalıştırma iddiası ve README’de verilen LibriSpeech sonuçları dikkat çekiyor. Repo 1 günlük ve 46 yıldız almış olsa da son 28 gündeki 6 commit’in tek yazardan gelmesi, ilginin henüz bağımsız benimseme veya sürdürülebilir geliştirme kanıtı olmadığını gösteriyor.
3,9/gün ort. +1 son gün 13 commit 3 yazar C 30 Eyl 2026 güncellendi 6 gün önce - 4
OpenLess, konuşmayı metne dönüştürüp seçilen AI düzenleme moduyla iyileştirerek imlecin bulunduğu uygulamaya ekleyen açık kaynaklı bir sesli giriş uygulamasıdır.
Neden yükseliyor · 153 günlük yaşına karşılık 3.639 yıldız, son 28 günde 88 commit ve 16 farklı yazar kaydı; bu hareketlilik, çapraz platform sesli giriş ve AI ile metin düzenleme ihtiyacına yönelik belirgin ilgiyi gösteriyor. README'deki ürün iddiaları tek başına benimsenme kanıtı sayılmaz; verilen yıldız ve aktivite verileri ise projenin kısa sürede görünürlük kazandığını destekliyor.
21,3/gün ort. +7 son gün 162 commit 18 yazar Rust 27 Nis 2026 güncellendi 2 gün önce - 5
All-in-One Multimodal Parsing Engine + Ontology-Powered, LLM Wiki-Driven AI-Ready Knowledge Engine
14,6/gün ort. +10 son gün 29 commit 9 yazar Python 19 Tem 2026 güncellendi 6 gün önce - 6
Claude Code / Codex skills that turn a video into a Chinese narration recap (视频解说): scene detection, ASR, VLM, script, TTS, ffmpeg assembly,
3,3/gün ort. +1 son gün 8 commit 1 yazar Python 02 May 2026 güncellendi 4 gün önce - 7
Arabic-first generative speech recognition — Audar-ASR-V1 (Flash + Turbo). #1 on the Open Universal Arabic ASR Leaderboard. Model cards, ben
4,2/gün ort. +0 son gün 0 commit 0 yazar Python 06 Tem 2026 güncellendi 22 Ağu 2026 - 8
Open-source voice typing for Windows — a Wispr Flow / Superwhisper alternative. Press a shortcut, speak, and AI-polished text lands at your
2,6/gün ort. +0 son gün 22 commit 3 yazar TypeScript 09 May 2026 güncellendi 15 gün önce - 9
audio.cpp with a full-task WebUI - pure C++ audio-model inference engine powered by ggml. TTS, ASR/STT, VAD, voice conversion, speaker diari
3,7/gün ort. +2 son gün 230 commit 14 yazar C++ 12 Tem 2026 güncellendi 10 gün önce - 10
Transcribe any video URL or audio file into plaintext. No GPU. No cloud. One command.
2,4/gün ort. +0 son gün 0 commit 0 yazar Python 20 May 2026 güncellendi 15 Eyl 2026 - 11
Phonon: open speech recognition models (Phonon-2, Phonon-1) — CLI, CPU and CUDA images
4,9/gün ort. +2 son gün 7 commit 1 yazar Python 28 Ağu 2026 güncellendi 6 gün önce - 12
Speech synthesis, speech recognition and voice activity detection for voice conversation, in C++ on ggml: Qwen3-TTS, Irodori-TTS, Qwen3-ASR,
9,2/gün ort. +27 son gün 160 commit 1 yazar C++ 29 Eyl 2026 güncellendi 2 gün önce - 13
An end-to-end framework for multi-speaker transcription that jointly models who spoke, when, and what.
2/gün ort. +0 son gün 0 commit 0 yazar Python 02 Haz 2026 güncellendi 22 Haz 2026 - 14
日语/英语/中文音视频 → 中文/英文配音与字幕。支持音色克隆、双语混音、RTF 空间处理、人声分离、批量处理和仅字幕导出。JA/EN/ZH media → Chinese/English dubbing & subtitles. Voice cloning, bilingual
2,7/gün ort. +0 son gün 5 commit 1 yazar Python 23 Tem 2026 güncellendi 3 gün önce - 15
Free offline AI video dubbing studio for Windows — voice cloning, translation, subtitles & on-screen-text localization. 100% local, one nati
1,8/gün ort. +4 son gün 427 commit 2 yazar Rust 21 Haz 2026 güncellendi dün - 16
Mynah — self-hosted realtime digital human. One GPU, full admin console, Apache-2.0. 自己服务器上的实时数字人系统
8,7/gün ort. +2 son gün 3 commit 1 yazar Go 07 Eki 2026 güncellendi 10 gün önce - 17
Free offline AI voice studio for Windows — text-to-speech with cloned and built-in voices, and speech recognition with speakers. Russian don
10,6/gün ort. +9 son gün 572 commit 2 yazar Rust 15 Eki 2026 güncellendi 2 gün önce - 18
SpeakMore:口述成文,划词即译。开源、免费的语音输入与翻译工具,支持 Mac 与 Windows:语音输入、语音翻译、划词翻译。兼容 Gemini、OpenAI、通义千问、DeepSeek、Kimi、智谱 GLM、MiniMax 及任意 OpenAI 兼容服务,语音输入亦
8,8/gün ort. +2 son gün 731 commit 3 yazar JavaScript 13 Eki 2026 güncellendi 4 gün önce - 19
本地优先 AI 语音输入工具 | Local-first AI voice typing tool. 支持 Whisper/SenseVoice/Parakeet/Qwen asr,离线可用,LLM 智能润色. Open-source speech-to-text with LL
1,2/gün ort. +1 son gün — commit C++ 03 Tem 2026 güncellendi 4 gün önce - 20
A mental-model-first field guide to Audio AI — from raw waveforms to production voice systems. Covers ASR, TTS, audio classification, Transf
1,3/gün ort. +0 son gün 0 commit 0 yazar 16 Tem 2026 güncellendi 16 Tem 2026 - 21
Local-first meeting transcription — audio & transcripts never leave your machine. Live captions + upload diarization + voice matching.
0,6/gün ort. +0 son gün — commit Python 08 Mar 2026 güncellendi 03 Ağu 2026 - 22
MilkyAi at bilibili🥛| Video-to-Notes Email Service with RAG Customer Support & 38K Followers/Users on Bilibili | Python, PostgreSQL, RAG, A
0,7/gün ort. +0 son gün — commit Python 04 May 2026 güncellendi 04 Eki 2026 - 23
Swift SDK for running chat, vision and speech models on iPhone and Mac with Apple's Core AI. Model download and caching, FoundationModels in
0,9/gün ort. +0 son gün — commit Swift 12 Haz 2026 güncellendi 2 gün önce - 24
日语、英语视频与直播实时同传悬浮字幕(Android / macOS / Windows)|本地离线语音识别 · 自备 LLM 翻译(BYOK)
4,2/gün ort. +2 son gün 260 commit 1 yazar Kotlin 11 Eki 2026 güncellendi 13 gün önce - 25
Privacy-conscious, open-source AI voice typing for Windows.
0,4/gün ort. +0 son gün — commit Rust 31 Mar 2026 güncellendi dün - 26
Kesha listens and talks back: local speech to text and text to speech for agents and scripts, fastest on Apple Silicon.
0,4/gün ort. +0 son gün — commit TypeScript 06 Nis 2026 güncellendi 2 gün önce - 27
Push-to-talk voice typing for Windows, macOS, Linux and Android. On-device or cloud speech recognition, AI polish with presets, a dictionary
2,2/gün ort. +2 son gün — commit Rust 27 Eyl 2026 güncellendi dün - 28
Compare two local Persian (Farsi) speech-to-text models side by side: a Persian Whisper fine-tune vs. general large-v3, on Apple Silicon.
0,5/gün ort. -1 son gün — commit Python 03 Haz 2026 güncellendi 08 Ağu 2026 - 29
Local STT server powered by GigaAM v3.
0,4/gün ort. +0 son gün — commit Rust 09 Nis 2026 güncellendi dün - 30
Turn raw footage into brand-ready, platform-optimized video with one command. Local-first: FFmpeg + WhisperX/MLX + Ollama.
0,5/gün ort. +0 son gün — commit JavaScript 31 May 2026 güncellendi 23 Haz 2026 - 31
Streaming Persian (Farsi) speech recognition: fine-tuning NVIDIA Nemotron 3.5 ASR streaming. Data prep, training, evaluation, inference.
2,3/gün ort. +1 son gün 0 commit 0 yazar Python 03 Eki 2026 güncellendi 03 Eki 2026 - 32
Self-hosted voice gateway in Go that speaks the OpenAI Realtime (GA) WebSocket protocol and runs a cascaded ASR → LLM → TTS pipeline behind
1,2/gün ort. +0 son gün — commit Go 10 Eyl 2026 güncellendi 22 gün önce - 33
Official Repo for "AgenticASR: Refining Speech Recognition in Real-World Scenarios via an Agentic Approach"
0,7/gün ort. +0 son gün — commit Python 30 Tem 2026 güncellendi 19 gün önce - 34
Unofficial Rust CLI/library and local Whisper-compatible REST shim for Codex Desktop ASR using local ChatGPT auth
0,3/gün ort. +0 son gün — commit Rust 05 May 2026 güncellendi 03 Tem 2026 - 35
ASR bridge exposing Weixin voice input as a programmable speech transcription API on Windows
2,9/gün ort. +5 son gün 33 commit 1 yazar Python 13 Eki 2026 güncellendi 13 gün önce - 36
A smarter subtitle studio powered by advanced ASR models. Refine transcripts with AI and custom glossaries, build bilingual subtitles, and e
0,7/gün ort. +2 son gün — commit Python 07 Ağu 2026 güncellendi 2 gün önce - 37
macOS AI 会议纪要助手,支持麦克风与系统音频录制、实时转录和选择预设提示词生成会议纪要。
0,3/gün ort. +0 son gün — commit Swift 05 May 2026 güncellendi 25 gün önce - 38
CLI for audio, video, and text transcription with ASR providers and LLM-powered summarization via local or cloud backends.
0,3/gün ort. +0 son gün — commit Python 12 Nis 2026 güncellendi 16 Nis 2026 - 39
中文 AI 语音输入工具:按快捷键说话,在任意应用把口述变成去口头语、可分段和结构化的文字;支持用户词典、中文转英文和自选 ASR/LLM。
0,3/gün ort. +0 son gün — commit Rust 18 May 2026 güncellendi 25 Eyl 2026 - 40
Optimized ESP32-S3/P4 fully offline speech to text and text to speech system for Micropython and AtomVM, featuring a finetuned STT model for
1,5/gün ort. +0 son gün — commit C 26 Eyl 2026 güncellendi 20 gün önce - 41
Live English speech recognition on the ESP32-P4: a 65.7M-parameter streaming transducer in 2/4-bit weights, faster than real time, on the ch
6/gün ort. +6 son gün 7 commit 1 yazar C++ 25 Eki 2026 güncellendi 2 gün önce - 42
听记 (Tingji) — 本地会议录音转写与纪要,FunASR + LLM,数据不出本机。Local meeting transcription & minutes, runs entirely offline.
0,4/gün ort. +0 son gün — commit Python 23 Haz 2026 güncellendi 16 Eyl 2026 - 43
Self-hosted meeting transcription portal — speech-to-text, speaker diarization, LLM-corrected transcripts, structured summaries and Word min
0,3/gün ort. +0 son gün — commit Python 14 May 2026 güncellendi dün - 44
Deploy streaming ASR + TTS on RK3576/RK3588 — 120ms TTS, 52-language ASR, one Docker command
0,2/gün ort. +0 son gün — commit Python 13 Nis 2026 güncellendi 2 gün önce - 45
Generate degraded speech datasets for noise-robust ASR benchmarking
0,3/gün ort. +0 son gün — commit Python 21 May 2026 güncellendi 09 Haz 2026 - 46
Offline speech-to-text on the STM32N6 microcontroller: free English speech recognition on the NPU, no cloud
1,6/gün ort. +0 son gün — commit C 04 Eki 2026 güncellendi 04 Eki 2026 - 47
AI驯剪 — AI 自动剪辑视频:转写/剪气口/语义动效自动初剪 + 可视化 AI 视频编辑器人工定剪,开源闭环 | AI rough-cut + human final-cut video editing system
0,4/gün ort. +0 son gün — commit TypeScript 15 Tem 2026 güncellendi 07 Ağu 2026 - 48
ML model ports (ASR · TTS · LLM · VLM · vision · audio codecs) on the rlx multi-backend compiler + runtime — CPU/Metal/MLX/CUDA/wgpu
0,2/gün ort. +0 son gün — commit Rust 22 May 2026 güncellendi 5 gün önce - 49
Reproducible speech-to-text benchmark: WER, latency and cost for Velma, Deepgram, AssemblyAI, Chirp 3, MAI-Transcribe 2, Moonshine and whisp
3,3/gün ort. +1 son gün 5 commit 3 yazar Python 21 Eki 2026 güncellendi 6 gün önce - 50
Speculative Decoding for fast ASR and TTS inference
2,4/gün ort. +0 son gün — commit Python 18 Eki 2026 güncellendi 8 gün önce