speech

🐸 Sammlung von TTS-Papieren

Ein in PyTorch implementiertes Framework für die automatische Spracherkennung (Streaming und Non-Streaming), das sowohl Online- als auch Offline-Erkennung unterstützt, derzeit die Modelle Conformer, Squeezeformer und DeepSpeech2 sowie verschiedene Datenaugmentierungsmethoden unterstützt.

FreeVC: Auf dem Weg zu hochwertiger, textfreier One-Shot-Stimmumwandlung

Open-Source-Toolkit für End-to-End-Spracherkennung unter Verwendung von PyTorch-Lightning und Hydra.

Anfängerfreundliche KI-Konversationsübungsanwendung

Lokale, OpenAI-kompatible Text-to-Speech (TTS)-API mit Chatterbox, die es Benutzern ermöglicht, sprachgeklonten Ton überall dort zu erzeugen, wo die OpenAI-API verwendet wird (z. B. Open WebUI, AnythingLLM usw.)

MOSS-Audio ist ein Open-Source-Grundlagenmodell für einheitliches Audioverständnis, das Sprache, Klänge, Musik, Beschriftung, Q&A und Reasoning in realen Szenarien ermöglicht.

:speech_balloon: /so.nus/ STT (Speech-to-Text) für Node mit Offline-Hotword-Erkennung

Ressourcen, Labore, Unternehmen und Praktika im Bereich Sprachtechnologie; Empfehlungen und Eigenbewerbungen sind willkommen.

Eine Liste öffentlich verfügbarer Datensätze für Raumimpulsantworten sowie Skripte zu deren Download.

SpeechIO Leaderboard: eine große, robuste und umfassende Benchmarking-Plattform für automatische Spracherkennung.

Audiobeispiele zu Publikationen über Tacotron, ein End-to-End-Sprachsynthesemodell.

Stimmumwandlung nur mit nächsten Nachbarn (Nearest Neighbors)

StarGANv2-VC: Ein vielseitiges, unüberwachtes und nicht-paralleles Framework für natürlich klingende Stimmenkonvertierung.