#speech-emotion-recognition Dépôts
Découvrez 3 dépôts GitHub open source actifs associés à #speech-emotion-recognition, cumulant 12,204 étoiles au total (soit une moyenne de 4,068 étoiles par projet). Le projet en tête de ce thème est QwenAudio/SenseVoice, avec 9,797 étoiles.
3 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 liste de corpus vocaux accessibles pour l'ASR, le TTS et d'autres technologies vocales
[ACL 2024] Code PyTorch officiel pour l'extraction de caractéristiques et l'entraînement de modèles en aval avec emotion2vec : Pré-entraînement auto-supervisé pour la représentation des émotions vocales
Foire aux questions
Quel est le dépôt #speech-emotion-recognition le plus populaire sur GitHub ?
Le projet #speech-emotion-recognition 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 #speech-emotion-recognition ?
Parmi les projets #speech-emotion-recognition les mieux classés sur GitHub, les langages de programmation les plus courants sont C, Python.
Comment le classement des dépôts #speech-emotion-recognition est-il calculé ?
Nous suivons 3 dépôts open source actifs associés à #speech-emotion-recognition (500+ étoiles), totalisant 12,204 étoiles, avec une moyenne de 4,068 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.