#speech Repositorios
76 repositorios en total
Kit de herramientas de segmentación de audio basado en CNN. Permite detectar habla, música, ruido y género del hablante. Ha sido diseñado para estudios a gran escala sobre igualdad de género basados en el tiempo de habla por género.
Un modelo de lenguaje multimodal unificado basado en el modelado de secuencias discretas
DiffWave es un vocoder neuronal y sintetizador de formas de onda rápido y de alta calidad.
Reconocimiento de voz chino de extremo a extremo basado en PaddlePaddle, desde la introducción hasta la práctica, casos de introducción súper sencillos, proyectos empresariales súper prácticos. Admite los modelos más populares actualmente: DeepSpeech2, Conformer, Squeezeformer.
Voxtral ASR & TTS ejecutándose de forma nativa y en el navegador. Implementación en Rust de Voxtral mini ASR/TTS en tiempo real de Mistral usando el framework ML Burn
Sistema de Comunicación Aumentativa y Alternativa (CAA) con texto a voz para el navegador
Un framework Pytorch para reconocimiento automático del habla en streaming y no en streaming, compatible tanto con reconocimiento en línea como fuera de línea. Actualmente admite modelos Conformer, Squeezeformer y DeepSpeech2, junto con varios métodos de aumento de datos.
Kit de herramientas de código abierto para el reconocimiento de voz de extremo a extremo que aprovecha PyTorch-Lightning y Hydra.
Un modelo de código abierto para comprender el habla, los sonidos ambientales y la música mediante la generación de subtítulos, preguntas y respuestas, y razonamiento
API local compatible con OpenAI para texto a voz (TTS) usando Chatterbox, que permite a los usuarios generar discursos clonados de voz dondequiera que se use la API de OpenAI (por ejemplo, Open WebUI, AnythingLLM, etc.).
Allosaurus es un reconocedor telefónico universal preentrenado para más de 2000 idiomas
:speech_balloon: /so.nus/ STT (voz a texto) para Node con detección de palabras clave offline
Una lista de conjuntos de datos de respuesta de impulso de sala disponibles públicamente y scripts para descargarlos.
Laboratorio/Empresa/Recursos/Prácticas de voz, etc., se aceptan recomendaciones o autocandidaturas
SpeechIO Leaderboard: una plataforma de benchmarking grande, robusta y completa para el reconocimiento automático del habla.
Muestras de audio que acompañan a publicaciones relacionadas con Tacotron, un modelo de síntesis de voz de extremo a extremo.
StarGANv2-VC: Un marco diverso, no supervisado y no paralelo para la conversión de voz de sonido natural
Modelos de voz abiertos y full-duplex que perciben tu tono y hablan con uno propio. Una sola GPU con vLLM-Omni, o funcionamiento totalmente offline en un Mac con MLX. Clonación de voz zero-shot, compatibles con OpenAI Realtime / GPT-Live, y prueba gratuita de la API alojada. Apache-2.0.