#wake-word-detection Repositories
Entdecke 9 aktive Open-Source-GitHub-Repositories, die mit #wake-word-detection getaggt sind und insgesamt 15,955 Sterne gesammelt haben (durchschnittlich 1,772 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist Picovoice/porcupine mit 5,028 Sternen.
Insgesamt 9 Repositories
Ein Open-Source-Framework zur Erkennung von Audio-Schlagwörtern (oder Phrasen) mit Schwerpunkt auf Leistung und Einfachheit.
Dies ist ein Sprachinteraktionssystem, das auf einem Open-Source-Modell basiert und ASR, LLM und TTS sequenziell integriert. Das ASR-Modell ist SenceVoice, die LLM-Modelle sind QWen2.5-0.5B/1.5B, und es gibt drei TTS-Modelle: CosyVoice, Edge-TTS und pyttsx3
Ein KI-Sprachassistent für Hacker, erstellt mit Python und PyTorch.
Ein auf TensorFlow basierendes Trainingsframework zur Erkennung von Aktivierungswörtern unter Verwendung synthetischer Stichprobengenerierung, das für bestimmte Mikrocontroller geeignet ist.
Häufig gestellte Fragen
Welches ist das beliebteste #wake-word-detection-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#wake-word-detection-Projekt auf GitHub ist Picovoice/porcupine mit 5,028 Sternen. On-Device-Wake-Word-Erkennung, angetrieben durch Deep Learning
Welche Programmiersprachen werden in #wake-word-detection-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #wake-word-detection-Projekten auf GitHub sind Python, C, Jupyter Notebook die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #wake-word-detection-Repositories berechnet?
Wir verfolgen 9 aktive Open-Source-Repositories, die mit #wake-word-detection getaggt sind (500+ Sterne), mit insgesamt 15,955 Sternen und durchschnittlich 1,772 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.