#speech Репозитории
Откройте для себя 75 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #speech, с общим числом 371,290 звёзд (в среднем 4,950 на проект). Лидером этой темы является coqui-ai/TTS, набравший 44,052 звёзд.
Всего репозиториев: 76
🐸💬 - инструментарий глубокого обучения для преобразования текста в речь, испытанный в исследованиях и на производстве
VoxCPM2: TTS без токенизатора для многоязычной генерации речи, креативного дизайна голоса и реалистичного клонирования
🚀Клонируйте голос за 5 секунд для генерации произвольной речи в реальном времени
WhisperX: Автоматическое распознавание речи с временными метками на уровне слов (& диаризация)
Grounded SAM: Объединение Grounding DINO с Segment Anything & Stable Diffusion & Recognize Anything — Автоматическое обнаружение, сегментация и генерация всего
Создавайте голосовых агентов с помощью моделей с открытым исходным кодом
Silero VAD: предварительно обученный детектор активности речи корпоративного уровня
Официально поддерживается, поддерживается PaddlePaddle, включая CV, NLP, Speech, Rec, TS, большие модели и так далее.
Модели Silero: предварительно обученные модели преобразования текста в речь, доведенные до невероятной простоты
2-битное квантование, ядра и среда выполнения для потребительских устройств.
Автоматическое распознавание речи с диаризацией диктора на основе OpenAI Whisper
Инструмент распознавания речи в текст / Локальный автономный инструмент для преобразования аудио/видео в субтитры с выводом в форматах json, srt и простого текста
Инструментарий для обработки речи на базе ИИ и предварительно обученные модели SOTA с открытым исходным кодом, поддерживающие улучшение, разделение речи и извлечение целевого диктора и т. д.
Простой, высококачественный инструмент для преобразования голоса, ориентированный на простоту использования и производительность.
🚀 Курируемая коллекция потрясающих скриптов Python от основ до продвинутого уровня с использованием скриптов для автоматизации задач.
aeneas — это библиотека Python/C и набор инструментов для автомагической синхронизации аудио и текста (также известна как принудительное выравнивание)
Многоязычное автоматическое распознавание речи с временными метками на уровне слов и уверенностью
Библиотека Python и инструмент командной строки для взаимодействия с API преобразования текста в речь Google Translate
Детектор голосовой активности (VAD): низкая задержка, высокая производительность и легковесность
Бесплатная высококачественная конечная точка API преобразования текста в речь для замены OpenAI, Azure или ElevenLabs
Движок непрерывного распознавания речи с большим словарем с открытым исходным кодом
Список сообщества стартапов, работающих с ИИ в области аудиотехнологий и музыки
DELTA — это платформа обработки естественного языка и речи на основе глубокого обучения. LF AI & DATA Projects: https://lfaidata.foundation/projects/delta/
Семейство SALMONN: набор передовых мультимодальных больших языковых моделей (LLM)
Управляемая транскрипция. Дословная (с каждым словом-паразитом, паузой, заиканием и вокальным звуком) или смысловая (что именно хотел сказать говорящий, с оптимизацией для удобства чтения), с временными метками на уровне слов.
MTools — это мощное многофункциональное настольное приложение, объединяющее инструменты для обработки аудио и видео, редактирования изображений, работы с текстом и кодирования. В него встроены функции улучшения на основе ИИ, а также предусмотрен локальный сервис MCP. Приложение призвано упростить рабочий процесс и повысить продуктивность.
Соответствующие статьи в области обработки естественного языка (с заметками для чтения), воспроизведение моделей и обработка данных (код включает версии TensorFlow и PyTorch)
StreamSpeech — это универсальная(«All in One»)бесшовная модель для офлайн- и синхронного распознавания речи, голосового перевода и синтеза речи.
Видео, заметки и эксперименты для понимания глубокого обучения
Инструменты для обработки мультимодальных данных в проектах машинного обучения.
[Неофициальный] Реализация на PyTorch "Conformer: Convolution-augmented Transformer for Speech Recognition" (INTERSPEECH 2020)
Часто задаваемые вопросы
Какой репозиторий по теме #speech наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #speech на GitHub — coqui-ai/TTS, набравший 44,052 звёзд. 🐸💬 - инструментарий глубокого обучения для преобразования текста в речь, испытанный в исследованиях и на производстве
Какие языки программирования чаще всего используются в репозиториях по теме #speech?
Среди наиболее высоко оценённых проектов по теме #speech на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, C, TypeScript.
Как рассчитывается рейтинг репозиториев по теме #speech?
Мы отслеживаем 75 активных репозиториев с открытым исходным кодом, отмеченных тегом #speech (500 и более звёзд), с общим числом 371,290 звёзд и в среднем 4,950 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.