#speech Dépôts
76 dépôts au total
Kit d'outils de segmentation audio basé sur CNN. Permet de détecter la parole, la musique, le bruit et le genre du locuteur. Conçu pour des études à grande échelle sur l'égalité des genres basées sur le temps de parole par genre.
Un modèle de langage multimodal unifié fondé sur la modélisation de séquences discrètes
DiffWave est un vocodeur neuronal et un synthétiseur de formes d'onde rapides et de haute qualité.
Reconnaissance vocale chinoise de bout en bout basée sur PaddlePaddle, de l'introduction à la pratique, exemples d'introduction ultra simples, projets d'entreprise ultra pratiques. Prend en charge les modèles les plus populaires actuellement : DeepSpeech2, Conformer, Squeezeformer.
Voxtral ASR & TTS s'exécutant nativement et dans le navigateur. Une implémentation Rust de Voxtral mini ASR/TTS en temps réel de Mistral utilisant le framework ML Burn
Système de Communication Augmentative et Alternative (CAA) avec synthèse vocale pour le navigateur
Un framework Pytorch pour la reconnaissance vocale automatique en flux et non en flux, compatible avec la reconnaissance en ligne et hors ligne. Il prend actuellement en charge les modèles Conformer, Squeezeformer et DeepSpeech2, ainsi que diverses méthodes d'augmentation de données.
Boîte à outils open source pour la reconnaissance vocale de bout en bout utilisant PyTorch-Lightning et Hydra.
Un modèle open source pour comprendre la parole, les sons environnementaux et la musique grâce au sous-titrage, aux questions-réponses et au raisonnement
API TTS locale compatible OpenAI utilisant Chatterbox, qui permet aux utilisateurs de générer de la parole clonée partout où l'API OpenAI est utilisée (par ex. Open WebUI, AnythingLLM, etc.).
Allosaurus est un reconnaissance téléphonique universelle pré-entraînée pour plus de 2000 langues
:speech_balloon: /so.nus/ STT (voix en texte) pour Node avec détection de mots-clés hors ligne
Une liste de jeux de données de réponse impulsionnelle ambiante publiquement disponibles et de scripts pour les télécharger.
Laboratoire/Entreprise/Ressources/Stages vocaux, etc., recommandations ou auto-candidatures bienvenues
SpeechIO Leaderboard : une plateforme de benchmarking large, robuste et complète pour la reconnaissance vocale automatique.
Échantillons audio accompagnant les publications relatives à Tacotron, un modèle de synthèse vocale de bout en bout.
StarGANv2-VC: Un framework diversifié, non supervisé et non parallèle pour la conversion vocale au son naturel
Modèles vocaux ouverts en duplex intégral, capables de percevoir votre ton et de parler avec le leur. Un seul GPU avec vLLM-Omni, ou un fonctionnement entièrement hors ligne sur Mac avec MLX. Clonage vocal zero-shot, compatibles avec OpenAI Realtime / GPT-Live, avec un essai gratuit de l’API hébergée. Apache-2.0.