#residual-vector-quantization Repositories
Entdecke 3 aktive Open-Source-GitHub-Repositories, die mit #residual-vector-quantization getaggt sind und insgesamt 6,401 Sterne gesammelt haben (durchschnittlich 2,133 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist facebookresearch/encodec mit 3,867 Sternen.
Insgesamt 3 Repositories
Ein hochmoderner, auf Deep Learning basierender Audiocodec, der sowohl Mono-Audio mit 24 kHz als auch Stereo-Audio mit 48 kHz unterstützt.
Modernster Audio-Codec mit einem Kompressionsfaktor von 90x. Unterstützt 44,1 kHz, 24 kHz und 16 kHz Mono/Stereo-Audio.
Dies ist der Code für den SpeechTokenizer, der in SpeechTokenizer: Unified Speech Tokenizer for Speech Language Models vorgestellt wird. Beispiele werden auf vorgestellt
Häufig gestellte Fragen
Welches ist das beliebteste #residual-vector-quantization-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#residual-vector-quantization-Projekt auf GitHub ist facebookresearch/encodec mit 3,867 Sternen. Ein hochmoderner, auf Deep Learning basierender Audiocodec, der sowohl Mono-Audio mit 24 kHz als auch Stereo-Audio mit 48 kHz unterstützt.
Welche Programmiersprachen werden in #residual-vector-quantization-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #residual-vector-quantization-Projekten auf GitHub sind Python die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #residual-vector-quantization-Repositories berechnet?
Wir verfolgen 3 aktive Open-Source-Repositories, die mit #residual-vector-quantization getaggt sind (500+ Sterne), mit insgesamt 6,401 Sternen und durchschnittlich 2,133 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.