#speaker-recognition Repositorios
Descubre 10 repositorios activos de código abierto de GitHub etiquetados con #speaker-recognition, que acumulan 51,818 estrellas en total (una media de 5,181 estrellas por proyecto). El líder de este tema es NVIDIA-NeMo/Speech, con 18,775 estrellas.
10 repositorios en total
Un marco escalable de IA generativa construido para investigadores y desarrolladores que trabajan en Modelos de Lenguaje Grandes, Multimodal y IA de Voz (Reconocimiento Automático de Voz y Texto a Voz)
Bloques de construcción neuronales para la diarización de hablantes: detección de actividad de voz, detección de cambio de hablante, detección de voz solapada, embedding de hablante
Modelos de audio Frontier CoreML en tus aplicaciones: texto a voz, voz a texto, detección de actividad de voz y diarización de hablantes. En Swift, impulsado por código abierto SOTA.
Esta es la biblioteca para el algoritmo de Red Neuronal Recurrente de Estado Entrelazado Ilimitado (UIS-RNN), correspondiente al artículo Fully Supervised Speaker Diarization.
Toolkit orientado a la investigación y producción para la verificación, reconocimiento y diarización del hablante
Este proyecto utiliza una variedad de modelos avanzados de reconocimiento de huellas vocales como EcapaTdnn, ResNetSE, ERes2Net, CAM++, etc. No se excluye que en el futuro se admitan más modelos. Al mismo tiempo, este proyecto también admite los métodos de preprocesamiento de datos MelSpectrogram y Spectrogram.
Reimplementación no oficial de ECAPA-TDNN para el reconocimiento de hablantes (EER=0,86 para Vox1_O al entrenar solo en Vox2)
Preguntas frecuentes
¿Cuál es el repositorio de #speaker-recognition más popular en GitHub?
El proyecto de código abierto de #speaker-recognition mejor posicionado en GitHub es NVIDIA-NeMo/Speech, con 18,775 estrellas. Un marco escalable de IA generativa construido para investigadores y desarrolladores que trabajan en Modelos de Lenguaje Grandes, Multimodal y IA de Voz (Reconocimiento Automático de Voz y Texto a Voz)
¿Qué lenguajes de programación se utilizan más en los repositorios de #speaker-recognition?
Entre los proyectos de #speaker-recognition mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, Swift.
¿Cómo se calcula la clasificación de los repositorios de #speaker-recognition?
Seguimos 10 repositorios activos de código abierto etiquetados con #speaker-recognition (500+ estrellas), que suman un total de 51,818 estrellas, con una media de 5,181 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.