#speech Repositorios
Descubre 75 repositorios activos de código abierto de GitHub etiquetados con #speech, que acumulan 371,290 estrellas en total (una media de 4,950 estrellas por proyecto). El líder de este tema es coqui-ai/TTS, con 44,052 estrellas.
76 repositorios en total
🐸💬 - un toolkit de aprendizaje profundo para Text-to-Speech, probado en investigación y producción
VoxCPM2: TTS sin tokenizador para generación de voz multilingüe, diseño de voz creativo y clonación realista
WhisperX: Reconocimiento automático de voz con marcas de tiempo a nivel de palabra (& diarización)
Grounded SAM: Uniendo Grounding DINO con Segment Anything & Stable Diffusion & Recognize Anything - Detecta, segmenta y genera todo automáticamente
Mantenido oficialmente, respaldado por PaddlePaddle, incluyendo CV, NLP, Speech, Rec, TS, modelos grandes y demás.
Modelos Silero: modelos de texto a voz preentrenados hechos increíblemente sencillos
Cuantización de 2 bits, kernels y entorno de ejecución para dispositivos de consumo.
Reconocimiento automático de voz con diarización del hablante basado en OpenAI Whisper
Herramienta de reconocimiento de voz a texto / Una herramienta local sin conexión para convertir subtítulos de audio/vídeo, que produce formatos json, srt y texto plano
Un kit de herramientas de procesamiento de voz impulsado por IA y modelos preentrenados SOTA de código abierto, que admiten mejora de voz, separación y extracción de hablante objetivo, etc.
Una herramienta de conversión de voz simple y de alta calidad centrada en la facilidad de uso y el rendimiento.
🚀 Colección seleccionada de increíbles scripts de Python desde lo básico hasta lo avanzado con scripts de tareas de automatización.
Manipulación y transformación de datos para el procesamiento de señales de audio, impulsado por PyTorch
aeneas es una biblioteca de Python/C y un conjunto de herramientas para sincronizar automágicamente audio y texto (también conocido como alineación forzada)
Reconocimiento automático de voz multilingüe con marcas de tiempo a nivel de palabra y confianza
Biblioteca Python y herramienta CLI para interactuar con la API de texto a voz de Google Translate
Detector de actividad de voz (VAD): baja latencia, alto rendimiento y ligero
Punto final de API de texto a voz gratuito y de alta calidad para reemplazar OpenAI, Azure o ElevenLabs
Motor de reconocimiento de voz continuo de código abierto y vocabulario amplio
Lista comunitaria de startups que trabajan con IA en tecnología de audio y música
AuK: Un modelo fundacional de código abierto para la generación y edición de voz
DELTA es una plataforma de procesamiento de lenguaje natural y voz basada en aprendizaje profundo. LF AI & DATA Projects: https://lfaidata.foundation/projects/delta/
Transcripción configurable. Literal (cada muletilla, pausa, tartamudeo y sonido vocal) o intencionada (lo que el hablante quiso decir, optimizada para facilitar la lectura), con marcas de tiempo a nivel de palabra.
MTools es una potente aplicación de escritorio multifuncional que integra herramientas de procesamiento de audio y vídeo, edición de imágenes, manipulación de texto y codificación. Incluye funciones de mejora con IA y ofrece un servicio MCP local. Está diseñada para simplificar tu flujo de trabajo y aumentar la productividad.
Artículos relevantes en el campo del procesamiento del lenguaje natural (con notas de lectura), reproducción de modelos y procesamiento de datos (el código incluye dos versiones: TensorFlow y PyTorch)
StreamSpeech es un modelo "todo en uno" sin interrupciones para el reconocimiento de voz, la traducción de voz y la síntesis de voz sin conexión y simultánea.
Videos, notas y experimentos para entender el aprendizaje profundo
Herramientas para el manejo de datos multimodales en proyectos de aprendizaje automático.
[No oficial] Implementación en PyTorch de "Conformer: Transformer aumentado por convolución para el reconocimiento de voz" (INTERSPEECH 2020)
Preguntas frecuentes
¿Cuál es el repositorio de #speech más popular en GitHub?
El proyecto de código abierto de #speech mejor posicionado en GitHub es coqui-ai/TTS, con 44,052 estrellas. 🐸💬 - un toolkit de aprendizaje profundo para Text-to-Speech, probado en investigación y producción
¿Qué lenguajes de programación se utilizan más en los repositorios de #speech?
Entre los proyectos de #speech mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, C, TypeScript.
¿Cómo se calcula la clasificación de los repositorios de #speech?
Seguimos 75 repositorios activos de código abierto etiquetados con #speech (500+ estrellas), que suman un total de 371,290 estrellas, con una media de 4,950 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.