#speech-processing Dépôts
Découvrez 31 dépôts GitHub open source actifs associés à #speech-processing, cumulant 106,282 étoiles au total (soit une moyenne de 3,428 étoiles par projet). Le projet en tête de ce thème est w-okada/voice-changer, avec 21,430 étoiles.
31 dépôts au total
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
Devenez un chercheur/ingénieur en IA/ML hors pair grâce à ce manuel non conventionnel qui aborde les mathématiques, l'informatique et le ML avec intuition.
Liste de lecture pour les sujets de recherche en apprentissage automatique multimodal
Reconnaissance vocale automatique multilingue avec horodatages au niveau du mot et confiance
Détecteur d'activité vocale (VAD) : faible latence, hautes performances et léger
Une liste curated d'excellents articles, bibliothèques, ensembles de données et autres ressources sur le Speaker Diarization.
Transcription contrôlable. Verbatim (chaque mot de remplissage, pause, bégaiement et son vocal) ou interprétée (ce que le locuteur voulait dire, optimisée pour la lisibilité), avec des horodatages au niveau des mots.
💎 Une liste de corpus vocaux accessibles pour l'ASR, le TTS et d'autres technologies vocales
StreamSpeech est un modèle transparent « tout-en-un » pour la reconnaissance vocale, la traduction vocale et la synthèse vocale hors ligne et simultanées.
Un cadre pour le traitement de la parole, du langage, de l'audio et de la musique avec des grands modèles de langage
Code d'inférence pour l'article "Spirit-LM Interleaved Spoken and Written Language Model".
SONAR, un nouvel espace d'intégration multilingue et multimodale à taille fixe pour les phrases, avec une suite complète d'encodeurs et de décodeurs vocaux et textuels.
Un wrapper Python pour le vocoder de haute qualité "World"
Ce dépôt contient les codes pour LipGAN. LipGAN a été publié comme partie d'un article intitulé "Towards Automatic Face-to-Face Translation".
[NeurIPS 2021] Benchmarks multiscales pour l'apprentissage de représentations multimodales
Laboratoire/Entreprise/Ressources/Stages vocaux, etc., recommandations ou auto-candidatures bienvenues
Le Microsoft Scalable Noisy Speech Dataset (MS-SNSD) est un ensemble de données de parole bruitée qui peut s'adapter à des tailles arbitraires en fonction du nombre de locuteurs, des types de bruit et des niveaux de Rapport Signal sur Bruit (SNR) souhaités.
Foire aux questions
Quel est le dépôt #speech-processing le plus populaire sur GitHub ?
Le projet #speech-processing open source le mieux classé sur GitHub est w-okada/voice-changer, avec 21,430 étoiles. Changeur de voix en temps réel Realtime Voice Changer
Quels langages de programmation sont les plus utilisés dans les dépôts #speech-processing ?
Parmi les projets #speech-processing les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C, TypeScript, HTML.
Comment le classement des dépôts #speech-processing est-il calculé ?
Nous suivons 31 dépôts open source actifs associés à #speech-processing (500+ étoiles), totalisant 106,282 étoiles, avec une moyenne de 3,428 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.