#speech-processing Репозитории
Откройте для себя 31 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #speech-processing, с общим числом 106,282 звёзд (в среднем 3,428 на проект). Лидером этой темы является w-okada/voice-changer, набравший 21,430 звёзд.
Всего репозиториев: 31
Нейронные строительные блоки для диаризации спикеров: обнаружение речевой активности, обнаружение смены спикера, обнаружение перекрывающейся речи, встраивание спикера
Silero VAD: предварительно обученный детектор активности речи корпоративного уровня
Станьте выдающимся исследователем/инженером в области ИИ/МО с помощью этого нестандартного учебника, который охватывает математику, вычисления и машинное обучение на основе интуиции.
Список литературы по темам исследований в мультимодальном машинном обучении
Агент видеомонтажа, созданный с помощью Claude Code Skills.
Многоязычное автоматическое распознавание речи с временными метками на уровне слов и уверенностью
Детектор голосовой активности (VAD): низкая задержка, высокая производительность и легковесность
Куратированный список крутых статей, библиотек, датасетов и других ресурсов по Speaker Diarization.
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.
💎 Список доступных речевых корпусов для ASR, TTS и других технологий речи
StreamSpeech — это универсальная(«All in One»)бесшовная модель для офлайн- и синхронного распознавания речи, голосового перевода и синтеза речи.
Фреймворк для обработки речи, языка, аудио и музыки с помощью больших языковых моделей
Код вывода для статьи «Spirit-LM Interleaved Spoken and Written Language Model».
SONAR, новое многоязычное и мультимодальное пространство встраивания предложений фиксированного размера с полным набором речевых и текстовых кодировщиков и декодеров.
Обертка на Python для высококачественного вокодера "World"
Этот репозиторий содержит коды для LipGAN. LipGAN был опубликован как часть статьи под названием "Towards Automatic Face-to-Face Translation".
[NeurIPS 2021] Многомасштабные эталоны для мультимодального обучения представления
Лаборатория/компания/ресурсы/стажировки в области голосового направления и т. д., приветствуются рекомендации или саморекомендации
Microsoft Scalable Noisy Speech Dataset (MS-SNSD) — это набор данных с шумной речью, который может масштабироваться до произвольных размеров в зависимости от количества говорящих, типов шума и желаемых уровней отношения сигнал/шум (SNR).
Часто задаваемые вопросы
Какой репозиторий по теме #speech-processing наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #speech-processing на GitHub — w-okada/voice-changer, набравший 21,430 звёзд. Реальный голосовой чейнджер Realtime Voice Changer
Какие языки программирования чаще всего используются в репозиториях по теме #speech-processing?
Среди наиболее высоко оценённых проектов по теме #speech-processing на GitHub чаще всего используются языки программирования Python, C, TypeScript, HTML.
Как рассчитывается рейтинг репозиториев по теме #speech-processing?
Мы отслеживаем 31 активных репозиториев с открытым исходным кодом, отмеченных тегом #speech-processing (500 и более звёзд), с общим числом 106,282 звёзд и в среднем 3,428 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.