#speech Repositórios
76 repositórios no total
Toolkit de segmentação de áudio baseado em CNN. Permite detetar fala, música, ruído e género do locutor. Foi concebido para estudos de igualdade de género em larga escala baseados no tempo de fala por género.
Um modelo de linguagem multimodal unificado baseado na modelagem de sequências discretas
DiffWave é um vocoder neural e sintetizador de forma de onda rápido e de alta qualidade.
Implementação ponta a ponta de reconhecimento de fala chinês baseada em PaddlePaddle, do básico à prática, com casos de uso de entrada super simples e projetos empresariais super práticos. Suporta os modelos DeepSpeech2, Conformer e Squeezeformer mais populares atualmente.
Voxtral ASR & TTS rodando nativamente e no navegador. Implementação em Rust do Voxtral mini ASR/TTS em tempo real da Mistral usando o framework ML Burn
Sistema de Comunicação Aumentativa e Alternativa (CAA) com síntese de voz para o navegador
Framework de reconhecimento automático de fala (ASR) implementado em Pytorch para streaming e não-streaming, compatível com reconhecimento online e offline, suportando atualmente os modelos Conformer, Squeezeformer e DeepSpeech2, e diversos métodos de aumento de dados.
Kit de ferramentas de código aberto para reconhecimento de fala de ponta a ponta, aproveitando PyTorch-Lightning e Hydra.
Um modelo de código aberto para compreender fala, sons ambientes e música por meio de legendagem, perguntas e respostas e raciocínio
API local compatível com OpenAI de texto para voz (TTS) usando Chatterbox, permitindo que os usuários gerem fala clonada de voz em qualquer lugar onde a API OpenAI seja usada (por exemplo, Open WebUI, AnythingLLM, etc.).
Allosaurus é um reconhecedor fonético universal pré-treinado para mais de 2000 idiomas
:speech_balloon: /so.nus/ STT (speech to text) para Node com detecção de hotword offline
Uma lista de conjuntos de dados de resposta de impulso de sala publicamente disponíveis e scripts para baixá-los.
Laboratório/empresa/recursos/estágios de voz, etc., recomendação ou auto-recomendação bem-vinda
SpeechIO Leaderboard: uma plataforma de benchmarking grande, robusta e abrangente para o Reconhecimento Automático de Fala.
Amostras de áudio que acompanham publicações relacionadas ao Tacotron, um modelo de síntese de fala ponta a ponta.
StarGANv2-VC: Uma Estrutura Diversificada, Não Supervisionada e Não Paralela para Conversão de Voz com Som Natural
Modelos de voz abertos full-duplex que percebem o seu tom e falam com um tom próprio. Uma única GPU com vLLM-Omni ou execução totalmente offline em um Mac com MLX. Clonagem de voz zero-shot, compatibilidade com OpenAI Realtime / GPT-Live e teste gratuito da API hospedada. Apache-2.0.