#speech-processing Repositorios
Descubre 31 repositorios activos de código abierto de GitHub etiquetados con #speech-processing, que acumulan 106,282 estrellas en total (una media de 3,428 estrellas por proyecto). El líder de este tema es w-okada/voice-changer, con 21,430 estrellas.
31 repositorios en total
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
Conviértete en un investigador/ingeniero de IA/ML de alto nivel con este libro de texto poco convencional que cubre matemáticas, computación y aprendizaje automático con intuición.
Lista de lectura para temas de investigación en aprendizaje automático multimodal
Reconocimiento automático de voz multilingüe con marcas de tiempo a nivel de palabra y confianza
Detector de actividad de voz (VAD): baja latencia, alto rendimiento y ligero
Una lista curada de excelentes papers, bibliotecas, conjuntos de datos y otros recursos sobre Speaker Diarization.
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.
💎 Una lista de corpora de voz accesibles para ASR, TTS y otras tecnologías de voz
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.
Un Marco para el Procesamiento de Voz, Lenguaje, Audio y Música con Modelos de Lenguaje de Gran Tamaño
Código de inferencia para el artículo "Spirit-LM Interleaved Spoken and Written Language Model".
SONAR, un nuevo espacio de incrustación de oraciones multilingüe y multimodal de tamaño fijo, con un conjunto completo de codificadores y decodificadores de voz y texto.
Un envoltorio de Python para el vocoder de alta calidad "World"
Este repositorio contiene los códigos para LipGAN. LipGAN se publicó como parte del artículo titulado "Towards Automatic Face-to-Face Translation".
[NeurIPS 2021] Benchmarks multiescala para el aprendizaje de representación multimodal
Laboratorio/Empresa/Recursos/Prácticas de voz, etc., se aceptan recomendaciones o autocandidaturas
El Microsoft Scalable Noisy Speech Dataset (MS-SNSD) es un conjunto de datos de voz ruidosa que puede escalar a tamaños arbitrarios dependiendo del número de hablantes, tipos de ruido y niveles de Relación Señal-Ruido (SNR) deseados.
Preguntas frecuentes
¿Cuál es el repositorio de #speech-processing más popular en GitHub?
El proyecto de código abierto de #speech-processing mejor posicionado en GitHub es w-okada/voice-changer, con 21,430 estrellas. Cambiador de voz en tiempo real Realtime Voice Changer
¿Qué lenguajes de programación se utilizan más en los repositorios de #speech-processing?
Entre los proyectos de #speech-processing mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, C, TypeScript, HTML.
¿Cómo se calcula la clasificación de los repositorios de #speech-processing?
Seguimos 31 repositorios activos de código abierto etiquetados con #speech-processing (500+ estrellas), que suman un total de 106,282 estrellas, con una media de 3,428 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.