#speaker-recognition Dépôts
Découvrez 10 dépôts GitHub open source actifs associés à #speaker-recognition, cumulant 51,818 étoiles au total (soit une moyenne de 5,181 étoiles par projet). Le projet en tête de ce thème est NVIDIA-NeMo/Speech, avec 18,775 étoiles.
10 dépôts au total
Un framework d'IA générative scalable conçu pour les chercheurs et développeurs travaillant sur les grands modèles de langage, le multimodal et l'IA vocale (reconnaissance automatique de la parole et texte vers parole)
Blocs de construction neuronaux pour la diarisation des locuteurs : détection d'activité vocale, détection de changement de locuteur, détection de parole chevauchante, embedding du locuteur
Modèles audio Frontier CoreML dans vos applications — synthèse vocale, reconnaissance vocale, détection d'activité vocale et diarisation des locuteurs. En Swift, propulsé par le libre accès SOTA.
Ceci est la bibliothèque pour l'algorithme Unbounded Interleaved-State Recurrent Neural Network (UIS-RNN), correspondant à l'article Fully Supervised Speaker Diarization.
Boîte à outils orientée recherche et production pour la vérification, la reconnaissance et la diarisation du locuteur
Ce projet utilise une variété de modèles avancés de reconnaissance vocale tels que EcapaTdnn, ResNetSE, ERes2Net, CAM++ etc. Il n'est pas exclu que d'autres modèles soient pris en charge à l'avenir. Dans le même temps, ce projet prend également en charge les méthodes de prétraitement des données MelSpectrogram et Spectrogram.
À la défense de l'apprentissage métrique pour la reconnaissance du locuteur
Réimplémentation non officielle d'ECAPA-TDNN pour la reconnaissance du locuteur (EER=0,86 pour Vox1_O lors de l'entraînement uniquement sur Vox2)
Foire aux questions
Quel est le dépôt #speaker-recognition le plus populaire sur GitHub ?
Le projet #speaker-recognition open source le mieux classé sur GitHub est NVIDIA-NeMo/Speech, avec 18,775 étoiles. Un framework d'IA générative scalable conçu pour les chercheurs et développeurs travaillant sur les grands modèles de langage, le multimodal et l'IA vocale (reconnaissance automatique de la parole et texte vers parole)
Quels langages de programmation sont les plus utilisés dans les dépôts #speaker-recognition ?
Parmi les projets #speaker-recognition les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, Swift.
Comment le classement des dépôts #speaker-recognition est-il calculé ?
Nous suivons 10 dépôts open source actifs associés à #speaker-recognition (500+ étoiles), totalisant 51,818 étoiles, avec une moyenne de 5,181 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.