speaker-recognition

Un framework de IA generativa escalable creado para investigadores y desarrolladores que trabajan en Modelos de Lenguaje Grande, Multimodal y IA de Voz (Reconocimiento Automático de Voz y Text-to-Speech)

Un kit de herramientas de voz basado en PyTorch

Bloques de construcción neuronales para la diarización de hablantes: detección de actividad de voz, detección de cambio de hablante, detección de voz superpuesta y embeddings de hablantes

Modelos de audio CoreML de vanguardia en tus aplicaciones: texto a voz, voz a texto, detección de actividad de voz y diarización de hablantes. En Swift, impulsado por código abierto SOTA.

Kit de herramientas para la verificación, reconocimiento y diarización de hablantes orientado a la investigación y la producción.

Este proyecto utiliza diversos modelos avanzados de reconocimiento de huella vocal como EcapaTdnn, ResNetSE, ERes2Net, CAM++, entre otros, con soporte para más modelos en el futuro. También admite métodos de preprocesamiento de datos como MelSpectrogram y Spectrogram.

En defensa del aprendizaje métrico para el reconocimiento de hablantes.

Reimplementación no oficial de ECAPA-TDNN para reconocimiento de voz (EER=0.86 para Vox1_O entrenando solo en Vox2).