#wake-word-detection Dépôts
Découvrez 9 dépôts GitHub open source actifs associés à #wake-word-detection, cumulant 15,955 étoiles au total (soit une moyenne de 1,772 étoiles par projet). Le projet en tête de ce thème est Picovoice/porcupine, avec 5,028 étoiles.
9 dépôts au total
Détection de mots de réveil sur appareil alimentée par l'apprentissage profond
Un framework open-source de détection de mots (ou phrases) d'activation audio, axé sur la performance et la simplicité.
Ceci est un système d'interaction vocale construit sur un modèle open-source, intégrant l'ASR, le LLM et le TTS en séquence. Le modèle ASR est SenceVoice, les modèles LLM sont QWen2.5-0.5B/1.5B, et il existe trois modèles TTS : CosyVoice, Edge-TTS et pyttsx3
Un assistant vocal IA pour les hackers, construit avec Python et PyTorch.
Un framework d'entraînement pour la détection de mots d'activation basé sur TensorFlow utilisant la génération d'échantillons synthétiques adaptée à certains microcontrôleurs.
Foire aux questions
Quel est le dépôt #wake-word-detection le plus populaire sur GitHub ?
Le projet #wake-word-detection open source le mieux classé sur GitHub est Picovoice/porcupine, avec 5,028 étoiles. Détection de mots de réveil sur appareil alimentée par l'apprentissage profond
Quels langages de programmation sont les plus utilisés dans les dépôts #wake-word-detection ?
Parmi les projets #wake-word-detection les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C, Jupyter Notebook.
Comment le classement des dépôts #wake-word-detection est-il calculé ?
Nous suivons 9 dépôts open source actifs associés à #wake-word-detection (500+ étoiles), totalisant 15,955 étoiles, avec une moyenne de 1,772 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.