#language-identification Dépôts
Découvrez 11 dépôts GitHub open source actifs associés à #language-identification, cumulant 25,202 étoiles au total (soit une moyenne de 2,291 étoiles par projet). Le projet en tête de ce thème est QwenAudio/SenseVoice, avec 9,797 étoiles.
11 dépôts au total
Modèle SenseVoiceSmall open source pour la reconnaissance vocale en mandarin, cantonais, anglais, japonais et coréen, identification de la langue, reconnaissance des émotions et détection d'événements audio.
Une collection d'applications exemples pour montrer comment utiliser les API ML Kit de Google sur Android et iOS
Un référentiel pour la vérification de locuteur, la reconnaissance de locuteur et la diarisation de locuteur unimodale et multimodale
La bibliothèque de détection de langue naturelle la plus précise pour Python, adaptée aux textes courts et aux textes multilingues
La bibliothèque de détection de langage naturel la plus précise pour Go, adaptée aux textes courts et aux textes multilingues
La bibliothèque de détection du langage naturel la plus précise pour Rust, adaptée aux textes courts et aux textes multilingues
La bibliothèque de détection de langage naturel la plus précise pour Java et la JVM, adaptée aux textes longs et courts
Dolphin est un modèle ASR multilingue et multitâche entraîné conjointement par DataoceanAI et l'Université Tsinghua.
Un système ASR tout-en-un industriel de pointe avec des modules ASR, VAD, LID et Punc. FireRedASR2 prend en charge le chinois (mandarin, 20+ dialectes/accents), l'anglais, l'alternance codique, et l'ASR pour la parole et le chant. FireRedVAD prend en charge la parole/le chant/la musique dans 100+ langues. FireRedLID prend en charge 100+ langues et 20+ dialectes chinois. FireRedPunc prend en charge le chinois et l'anglais.
Foire aux questions
Quel est le dépôt #language-identification le plus populaire sur GitHub ?
Le projet #language-identification open source le mieux classé sur GitHub est QwenAudio/SenseVoice, avec 9,797 étoiles. Modèle SenseVoiceSmall open source pour la reconnaissance vocale en mandarin, cantonais, anglais, japonais et coréen, identification de la langue, reconnaissance des émotions et détection d'événements audio.
Quels langages de programmation sont les plus utilisés dans les dépôts #language-identification ?
Parmi les projets #language-identification les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C, Kotlin, Go.
Comment le classement des dépôts #language-identification est-il calculé ?
Nous suivons 11 dépôts open source actifs associés à #language-identification (500+ étoiles), totalisant 25,202 étoiles, avec une moyenne de 2,291 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.