#speech Repositories
Entdecke 75 aktive Open-Source-GitHub-Repositories, die mit #speech getaggt sind und insgesamt 371,290 Sterne gesammelt haben (durchschnittlich 4,950 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist coqui-ai/TTS mit 44,052 Sternen.
Insgesamt 76 Repositories
🐸💬 - ein Deep-Learning-Toolkit für Text-to-Speech, das in Forschung und Produktion erprobt wurde
VoxCPM2: Tokenizer-freies TTS für mehrsprachige Sprachgenerierung, kreatives Stimmendesign und lebensechte Klonierung
🚀Klonen Sie eine Stimme in 5 Sekunden, um beliebige Sprache in Echtzeit zu generieren
WhisperX: Automatische Spracherkennung mit wortbezogenen Zeitstempeln (& Diarisierung)
Grounded SAM: Grounding DINO mit Segment Anything & Stable Diffusion & Recognize Anything vereinen – Alles automatisch erkennen, segmentieren und generieren
AudioGPT: Verstehen und Generieren von Sprache, Musik, Geräuschen und sprechenden Köpfen
Offiziell gepflegt und von PaddlePaddle unterstützt, einschließlich CV, NLP, Speech, Rec, TS, großer Modelle und so weiter.
Silero-Modelle: Vortrainierte Text-zu-Sprache-Modelle, deren Nutzung erstaunlich einfach ist
Automatische Spracherkennung mit Sprecher-Diarisierung basierend auf OpenAI Whisper
Spracherkennung zu Text Tool / Ein lokales Offline-Tool zur Konvertierung von Audio-/Videountertiteln, das JSON-, SRT-Untertitel und reinen Text ausgibt
Ein KI-gestütztes Sprachverarbeitungs-Toolkit und Open-Source-SOTA-Vortrainierte Modelle, die Sprachverbesserung, -trennung und Extraktion von Zielsprechern usw. unterstützen.
Ein einfaches, hochwertiges Stimmumwandlungstool, das auf Benutzerfreundlichkeit und Leistung ausgelegt ist.
🚀 Kuratierte Sammlung erstaunlicher Python-Skripte von den Grundlagen bis zu fortgeschrittenen Skripten für Automatisierungsaufgaben.
Datenmanipulation und -transformation für die Audio-Signalverarbeitung, powered by PyTorch
aeneas ist eine Python/C-Bibliothek und ein Set von Tools, um Audio und Text automagisch zu synchronisieren (aka Forced Alignment)
Mehrsprachige automatische Spracherkennung mit Wort-Timestamps und Konfidenz
Python-Bibliothek und CLI-Tool für die Schnittstelle zur Text-to-Speech-API von Google Translate
Voice Activity Detector (VAD): geringe Latenz, hohe Leistung und leichtgewichtig
Kostenloser, hochwertiger Text-to-Speech API-Endpunkt als Ersatz für OpenAI, Azure oder ElevenLabs
Gemeinschaftsliste von Startups, die mit KI in Audio- und Musiktechnologie arbeiten
AuK: Ein quelloffenes Grundlagenmodell für die Sprachgenerierung und -bearbeitung
DELTA ist eine auf Deep Learning basierende Plattform zur Verarbeitung natürlicher Sprache und Sprache. LF AI & DATA Projects: https://lfaidata.foundation/projects/delta/
Steuerbare Transkription. Wortgetreu (jedes Füllwort, jede Pause, jedes Stottern und jeder Laut) oder sinngemäß (was die sprechende Person sagen wollte, für bessere Lesbarkeit optimiert), mit Zeitstempeln auf Wortebene.
MTools ist eine leistungsstarke, vielseitige Desktop-Anwendung, die Werkzeuge zur Audio- und Videoverarbeitung, Bildbearbeitung, Textverarbeitung und Kodierung vereint. Sie bietet integrierte KI-Funktionen und einen lokalen MCP-Dienst. Die Anwendung soll Ihren Arbeitsablauf vereinfachen und Ihre Produktivität steigern.
Relevante Arbeiten im Bereich der natürlichen Sprachverarbeitung (mit Lesehinweisen), Nachbildung von Modellen und Datenverarbeitung (Code enthält zwei Versionen, TensorFlow und PyTorch)
StreamSpeech ist ein "All in One" nahtloses Modell für Offline- und gleichzeitige Spracherkennung, Sprachübersetzung und Sprachsynthese.
Videos, Notizen und Experimente zum Verständnis von Deep Learning
Werkzeuge für die Verarbeitung multimodaler Daten in Machine-Learning-Projekten.
[Inoffiziell] PyTorch-Implementierung von "Conformer: Convolution-augmented Transformer for Speech Recognition" (INTERSPEECH 2020)
Häufig gestellte Fragen
Welches ist das beliebteste #speech-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#speech-Projekt auf GitHub ist coqui-ai/TTS mit 44,052 Sternen. 🐸💬 - ein Deep-Learning-Toolkit für Text-to-Speech, das in Forschung und Produktion erprobt wurde
Welche Programmiersprachen werden in #speech-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #speech-Projekten auf GitHub sind Python, Jupyter Notebook, C, TypeScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #speech-Repositories berechnet?
Wir verfolgen 75 aktive Open-Source-Repositories, die mit #speech getaggt sind (500+ Sterne), mit insgesamt 371,290 Sternen und durchschnittlich 4,950 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.