#language-identification Repositories
Entdecke 11 aktive Open-Source-GitHub-Repositories, die mit #language-identification getaggt sind und insgesamt 25,202 Sterne gesammelt haben (durchschnittlich 2,291 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist QwenAudio/SenseVoice mit 9,797 Sternen.
Insgesamt 11 Repositories
Open-Source-SenseVoiceSmall-Modell für ASR in Mandarin, Kantonesisch, Englisch, Japanisch und Koreanisch, Sprachidentifikation, Emotionserkennung und Audioereigniserkennung.
Eine Sammlung von Beispiel-Apps, die zeigen, wie die ML Kit APIs von Google unter Android und iOS verwendet werden
Ein Repository für die Sprecherverifikation, Sprechererkennung und Sprechersegmentierung für einzelne und multimodale Sprecher
Die genaueste Bibliothek zur Erkennung natürlicher Sprachen für Python, geeignet für kurze Texte und gemischtsprachige Texte
Die genaueste Bibliothek zur Erkennung natürlicher Sprachen für Go, geeignet für kurze Texte und gemischtsprachige Texte
Die genaueste Bibliothek zur Erkennung natürlicher Sprache für Rust, geeignet für kurze Texte und Texte in gemischten Sprachen
Die genaueste Natural Language Detection-Bibliothek für Java und die JVM, geeignet für lange und kurze Texte gleichermaßen
Dolphin ist ein mehrsprachiges, multitaskingfähiges ASR-Modell, das gemeinsam von DataoceanAI und der Tsinghua University trainiert wurde.
Ein SOTA-Industrie-All-in-One-ASR-System mit ASR-, VAD-, LID- und Punc-Modulen. FireRedASR2 unterstützt Chinesisch (Mandarin, 20+ Dialekte/Akzente), Englisch, Code-Switching sowie Sprach- und Gesangs-ASR. FireRedVAD unterstützt Sprache/Gesang/Musik in 100+ Sprachen. FireRedLID unterstützt 100+ Sprachen und 20+ chinesische Dialekte. FireRedPunc unterstützt Chinesisch und Englisch.
Häufig gestellte Fragen
Welches ist das beliebteste #language-identification-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#language-identification-Projekt auf GitHub ist QwenAudio/SenseVoice mit 9,797 Sternen. Open-Source-SenseVoiceSmall-Modell für ASR in Mandarin, Kantonesisch, Englisch, Japanisch und Koreanisch, Sprachidentifikation, Emotionserkennung und Audioereigniserkennung.
Welche Programmiersprachen werden in #language-identification-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #language-identification-Projekten auf GitHub sind Python, C, Kotlin, Go die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #language-identification-Repositories berechnet?
Wir verfolgen 11 aktive Open-Source-Repositories, die mit #language-identification getaggt sind (500+ Sterne), mit insgesamt 25,202 Sternen und durchschnittlich 2,291 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.