speech

🐸💬 - Un conjunto de herramientas de aprendizaje profundo para texto a voz (TTS), probado en combate en investigación y producción

🚀 Clona una voz en 5 segundos para generar voz arbitraria en tiempo real

VoxCPM2: TTS sin tokenizador para generación de voz multilingüe, diseño de voz creativo y clonación realista

WhisperX: Reconocimiento automático de voz con marcas de tiempo a nivel de palabra (y diarización).

🤗 El mayor centro de conjuntos de datos listos para usar para modelos de IA con herramientas de manipulación de datos rápidas, fáciles de usar y eficientes

Grounded SAM: Combinando Grounding DINO con Segment Anything, Stable Diffusion y Recognize Anything: detecta, segmenta y genera cualquier cosa automáticamente

kaldi-asr/kaldi es el repositorio oficial del proyecto Kaldi.

Crea agentes de voz con modelos de código abierto

AudioGPT: Comprensión y generación de voz, música, sonidos y cabezas parlantes

Silero VAD: Detector de actividad de voz de nivel empresarial preentrenado

ModelScope: da vida al concepto de Model-as-a-Service.

EmotiVoice 😊: Un motor TTS multi-voz y controlado por avisos

Mantenido oficialmente y con soporte de PaddlePaddle, incluye CV, NLP, Speech, Rec, TS, modelos grandes y más.

💬 Reconocimiento de voz para tu sitio

Silero Models: modelos de texto a voz preentrenados hechos extremadamente sencillos

Cuantización, núcleos, entorno de ejecución y motor de inferencia para dispositivos móviles, wearables, hogares inteligentes y robots.

Reconocimiento automático de voz con diarización de hablantes basado en OpenAI Whisper

Herramienta de reconocimiento de voz a texto / Una herramienta local fuera de línea para la conversión de audio y video a subtítulos, que genera formatos JSON, subtítulos SRT y texto plano

Supresión de ruido mediante filtrado profundo

Un LLM multimodal rápido para voz en tiempo real

Un kit de herramientas de procesamiento de voz impulsado por IA y modelos preentrenados SOTA de código abierto, compatible con mejora de voz, separación y extracción del hablante objetivo, etc.

Modelo fundacional para TTS expresivo y de aspecto humano

🚀 Colección seleccionada de increíbles scripts de Python desde básicos hasta avanzados con scripts de tareas de automatización.

Una herramienta de conversión de voz simple y de alta calidad, enfocada en la facilidad de uso y el rendimiento.

API de servicio web para OpenAI Whisper ASR

Ejemplos de código para las nuevas APIs de iOS 10.

Manipulación y transformación de datos para el procesamiento de señales de audio, impulsado por PyTorch

Lingvo.

aeneas es una biblioteca de Python/C y un conjunto de herramientas para sincronizar automáticamente audio y texto (también conocido como alineación forzada)

Reconocimiento automático del habla multilingüe con marcas de tiempo a nivel de palabra y puntuación de confianza