#speech Repositórios
Descubra 75 repositórios ativos de código aberto no GitHub marcados com #speech, acumulando um total de 371,290 estrelas (uma média de 4,950 por projeto). O líder deste tópico é coqui-ai/TTS, com 44,052 estrelas.
76 repositórios no total
🐸💬 - um kit de ferramentas de aprendizagem profunda para Text-to-Speech, testado em pesquisa e produção
VoxCPM2: TTS sem Tokenizador para Geração de Fala Multilíngue, Design de Voz Criativo e Clonagem Fiel à Vida Real
WhisperX: Reconhecimento Automático de Fala com Carimbos de Tempo em Nível de Palavra (& Diarização)
Grounded SAM: Casando Grounding DINO com Segment Anything & Stable Diffusion & Recognize Anything - Detecta , Segmenta e Gera Automaticamente Qualquer Coisa
Mantido oficialmente, suportado pelo PaddlePaddle, incluindo Visão Computacional (CV), Processamento de Linguagem Natural (NLP), Fala, Recomendação (Rec), Séries Temporais (TS), grandes modelos e assim por diante.
Modelos Silero: modelos de conversão de texto em fala pré-treinados tornados incrivelmente simples
Quantização de 2 bits, kernels e ambiente de execução para dispositivos de consumo.
Reconhecimento Automático de Fala com Diarização de Locutor baseado em OpenAI Whisper
Ferramenta de Reconhecimento de Voz para Texto / Uma ferramenta local de transcrição de áudio e vídeo que roda offline, com saída nos formatos json, srt (legendas) e texto puro
Um Kit de Ferramentas de Processamento de Fala Impulsionado por IA e Modelos Pré-treinados SOTA de Código Aberto, que suporta Aprimoramento de Fala, Separação e Extração de Locutor Alvo, etc.
Uma ferramenta simples e de alta qualidade para conversão de voz, focada na facilidade de uso e no desempenho.
Coleção selecionada de scripts Python incríveis do básico ao avançado com scripts de tarefas de automação.
Manipulação e transformação de dados para processamento de sinais de áudio, potencializado pelo PyTorch
aeneas é uma biblioteca Python/C e um conjunto de ferramentas para sincronizar automaticamente áudio e texto (também conhecido como alinhamento forçado)
Reconhecimento Automático de Fala Multilíngue com carimbos de tempo e confiança a nível de palavra
Biblioteca Python e ferramenta CLI para interagir com a API de conversão de texto em fala do Google Tradutor
Endpoint de API de conversão de texto em fala gratuito e de alta qualidade para substituir OpenAI, Azure ou ElevenLabs
Motor de Reconhecimento de Fala Contínuo de Vocabulário Grande de Código Aberto
Lista da comunidade de startups que trabalham com IA em tecnologia de áudio e música
DELTA é uma plataforma de processamento de linguagem natural e fala baseada em aprendizado profundo. Projetos LF AI & DATA: https://lfaidata.foundation/projects/delta/
Transcrição controlável. Literal (cada muleta, pausa, gaguejo e som vocal) ou intencional (o que o falante pretendia dizer, otimizado para facilitar a leitura), com marcações de tempo no nível das palavras.
MTools é um poderoso aplicativo multifuncional para desktop que integra ferramentas de processamento de áudio e vídeo, edição de imagens, manipulação de texto e codificação. Conta com recursos integrados de aprimoramento por IA e oferece um serviço MCP local. Foi desenvolvido para simplificar seu fluxo de trabalho e aumentar a produtividade.
Artigos relevantes na área de Processamento de Linguagem Natural (com notas de leitura), reprodução de modelos e processamento de dados, etc. (código inclui versões TensorFlow e PyTorch)
StreamSpeech é um modelo contínuo "tudo em um" para reconhecimento de fala offline e simultâneo, tradução de fala e síntese de fala.
Vídeos, notas e experimentos para entender o aprendizado profundo
Ferramentas para lidar com dados multimodais em projetos de aprendizado de máquina.
[Não oficial] Implementação em PyTorch de "Conformer: Convolution-augmented Transformer for Speech Recognition" (INTERSPEECH 2020)
Perguntas Frequentes
Qual é o repositório de #speech mais popular no GitHub?
O projeto de código aberto de #speech mais bem classificado no GitHub é coqui-ai/TTS, com 44,052 estrelas. 🐸💬 - um kit de ferramentas de aprendizagem profunda para Text-to-Speech, testado em pesquisa e produção
Quais linguagens de programação são mais usadas nos repositórios de #speech?
Entre os projetos de #speech mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, C, TypeScript.
Como é calculada a classificação dos repositórios de #speech?
Acompanhamos 75 repositórios ativos de código aberto marcados com #speech (com mais de 500 estrelas), totalizando 371,290 estrelas e uma média de 4,950 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.