#speech-processing Repositórios
Descubra 31 repositórios ativos de código aberto no GitHub marcados com #speech-processing, acumulando um total de 106,282 estrelas (uma média de 3,428 por projeto). O líder deste tópico é w-okada/voice-changer, com 21,430 estrelas.
31 repositórios no total
Blocos de construção neurais para diarização de locutor: deteção de atividade de fala, deteção de mudança de locutor, deteção de fala sobreposta, incorporação de locutor
Torne-se um pesquisador/engenheiro de IA/ML de elite com este livro didático não convencional que aborda matemática, computação e aprendizado de máquina com intuição.
Lista de leitura para tópicos de pesquisa em aprendizado de máquina multimodal
Agente de edição de vídeo criado com o Claude Code Skills.
Reconhecimento Automático de Fala Multilíngue com carimbos de tempo e confiança a nível de palavra
Redução de ruído e aprimoramento de fala com inteligência artificial
Uma lista selecionada de artigos, bibliotecas, conjuntos de dados e outros recursos excelentes sobre Diarização de Locutor.
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.
💎 Uma lista de corpora de fala acessíveis para ASR, TTS e outras Tecnologias de Fala
StreamSpeech é um modelo contínuo "tudo em um" para reconhecimento de fala offline e simultâneo, tradução de fala e síntese de fala.
Uma Estrutura para Processamento de Fala, Linguagem, Áudio e Música com Modelo de Linguagem Grande
Código de inferência para o artigo "Spirit-LM Interleaved Spoken and Written Language Model".
SONAR, um novo espaço de *embedding* de sentenças de tamanho fixo, multilíngue e multimodal, com um conjunto completo de codificadores e decodificadores de fala e texto.
Um invólucro Python para o vocoder de alta qualidade "World"
Este repositório contém os códigos para LipGAN. LipGAN foi publicado como parte do artigo intitulado "Towards Automatic Face-to-Face Translation".
[NeurIPS 2021] Benchmarks Multiescala para Aprendizagem de Representação Multimodal
Laboratório/empresa/recursos/estágios de voz, etc., recomendação ou auto-recomendação bem-vinda
O Microsoft Scalable Noisy Speech Dataset (MS-SNSD) é um conjunto de dados de fala ruidosa que pode ser escalado para tamanhos arbitrários, dependendo do número de falantes, tipos de ruído e níveis de Relação Sinal-Ruído (SNR) desejados.
Perguntas Frequentes
Qual é o repositório de #speech-processing mais popular no GitHub?
O projeto de código aberto de #speech-processing mais bem classificado no GitHub é w-okada/voice-changer, com 21,430 estrelas. Trocador de Voz em Tempo Real Realtime Voice Changer
Quais linguagens de programação são mais usadas nos repositórios de #speech-processing?
Entre os projetos de #speech-processing mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, C, TypeScript, HTML.
Como é calculada a classificação dos repositórios de #speech-processing?
Acompanhamos 31 repositórios ativos de código aberto marcados com #speech-processing (com mais de 500 estrelas), totalizando 106,282 estrelas e uma média de 3,428 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.