#speech-processing Repositories
Entdecke 31 aktive Open-Source-GitHub-Repositories, die mit #speech-processing getaggt sind und insgesamt 106,282 Sterne gesammelt haben (durchschnittlich 3,428 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist w-okada/voice-changer mit 21,430 Sternen.
Insgesamt 31 Repositories
Neuronale Bausteine für die Speaker-Diarisierung: Sprachaktivitätsdetektion, Sprecherwechseldetektion, Detektion überlappender Sprache, Speaker-Embedding
Werde ein erstklassiger KI/ML-Forscher/Ingenieur mit diesem unkonventionellen Lehrbuch, das Mathematik, Informatik und ML auf intuitive Weise vermittelt.
Leseliste für Forschungsthemen im multimodalen maschinellen Lernen
Video-Bearbeitungs-Agent, erstellt mit Claude Code Skills.
Mehrsprachige automatische Spracherkennung mit Wort-Timestamps und Konfidenz
Voice Activity Detector (VAD): geringe Latenz, hohe Leistung und leichtgewichtig
Eine kuratierte Liste toller Speaker-Diarization-Papiere, Bibliotheken, Datensätze und anderer Ressourcen.
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.
💎 Eine Liste zugänglicher Sprachkorpora für ASR, TTS und andere SprachTechnologien
StreamSpeech ist ein "All in One" nahtloses Modell für Offline- und gleichzeitige Spracherkennung, Sprachübersetzung und Sprachsynthese.
Ein Framework zur Verarbeitung von Sprache, Sprache, Audio und Musik mit großen Sprachmodellen
Inferenzcode für das Paper "Spirit-LM Interleaved Spoken and Written Language Model".
SONAR, ein neuer mehrsprachiger und multimodaler Embedding-Raum für Sätze fester Größe, mit einer vollständigen Suite von Sprach- und Text-Encodern und -Decodern.
Ein Python-Wrapper für den hochwertigen Vocoder "World"
Dieses Repository enthält den Code für LipGAN. LipGAN wurde als Teil des Papers mit dem Titel "Towards Automatic Face-to-Face Translation" veröffentlicht.
[NeurIPS 2021] Multiskalen-Benchmarks für multimodales Repräsentationslernen
Sprachrichtungslabor/Unternehmen/Ressourcen/Praktika usw., Empfehlungen oder Selbstbewerbungen sind willkommen
Der Microsoft Scalable Noisy Speech Dataset (MS-SNSD) ist ein verrauschter Sprachdatensatz, der je nach Anzahl der Sprecher, Geräuschart und gewünschtem Signal-Rausch-Verhältnis (SNR) auf beliebige Größen skalierbar ist.
Häufig gestellte Fragen
Welches ist das beliebteste #speech-processing-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#speech-processing-Projekt auf GitHub ist w-okada/voice-changer mit 21,430 Sternen. Echtzeit-Stimmwechsler Realtime Voice Changer
Welche Programmiersprachen werden in #speech-processing-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #speech-processing-Projekten auf GitHub sind Python, C, TypeScript, HTML die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #speech-processing-Repositories berechnet?
Wir verfolgen 31 aktive Open-Source-Repositories, die mit #speech-processing getaggt sind (500+ Sterne), mit insgesamt 106,282 Sternen und durchschnittlich 3,428 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.