#speech Repository
76 repository in totale
Toolkit per la segmentazione audio basato su CNN. Consente di rilevare discorso, musica, rumore e genere del parlante. ร stato progettato per studi su larga scala sull'uguaglianza di genere basati sul tempo di parola per genere.
Un modello linguistico multimodale unificato basato sulla modellazione di sequenze discrete
DiffWave รจ un vocoder neurale e sintetizzatore di forme d'onda veloce e di alta qualitร .
Riconoscimento vocale cinese end-to-end basato su PaddlePaddle, dall'introduzione alla pratica, casi di esempio introduttivi super semplici, progetti aziendali super pratici. Supporta i modelli piรน diffusi attualmente: DeepSpeech2, Conformer, Squeezeformer.
Voxtral ASR & TTS in esecuzione nativamente e nel browser. Implementazione Rust di Voxtral mini ASR/TTS in tempo reale di Mistral utilizzando il framework ML Burn
Sistema di Comunicazione Aumentativa e Alternativa (CAA) con sintesi vocale per il browser
Un framework Pytorch per il riconoscimento vocale automatico in streaming e non, compatibile sia con il riconoscimento online che offline. Attualmente supporta i modelli Conformer, Squeezeformer e DeepSpeech2, insieme a vari metodi di data augmentation.
Toolkit open source per il riconoscimento vocale end-to-end che sfrutta PyTorch-Lightning e Hydra.
Un modello open source per comprendere il parlato, i suoni ambientali e la musica attraverso la generazione di didascalie, domande e risposte e ragionamento
API locale compatibile con OpenAI per sintesi vocale (TTS) con Chatterbox, che consente agli utenti di generare discorsi clonati in qualsiasi luogo in cui viene utilizzata l'API OpenAI (ad es. Open WebUI, AnythingLLM, ecc.).
Allosaurus รจ un riconoscitore telefonico universale pre-addestrato per oltre 2000 lingue
:speech_balloon: /so.nus/ STT (da voce a testo) per Node con rilevamento hotword offline
Un elenco di set di dati di risposta all'impulso della stanza disponibili pubblicamente e script per scaricarli.
Laboratorio/Azienda/Risorse/Stage vocali, ecc., si accettano candidature o autocandidature
SpeechIO Leaderboard: una piattaforma di benchmarking ampia, robusta e completa per il riconoscimento vocale automatico.
Campioni audio che accompagnano pubblicazioni relative a Tacotron, un modello di sintesi vocale end-to-end.
StarGANv2-VC: Un framework diversificato, non supervisionato e non parallelo per la conversione vocale dal suono naturale
Modelli vocali open full-duplex che percepiscono il tuo tono e parlano con il proprio. Una sola GPU con vLLM-Omni, oppure funzionamento completamente offline su Mac con MLX. Clonazione vocale zero-shot, compatibili con OpenAI Realtime / GPT-Live, con prova gratuita dellโAPI ospitata. Apache-2.0.