speech-processing

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

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

Conviértete en un investigador/ingeniero experto en IA/ML con este libro de texto no convencional que abarca matemáticas, computación y ML con intuición.

Lista de lectura para temas de investigación en aprendizaje automático multimodal

Arquitectura base para (M)LLMs

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

Eliminación de ruido y mejora de voz impulsada por IA

Detector de actividad de voz (VAD): baja latencia, alto rendimiento y ligero

¡Texto a voz controlable y rápido para más de 7000 idiomas!

Una lista curada de excelentes artículos, librerías, conjuntos de datos y otros recursos sobre Speaker Diarization.

Una lista de corpus de voz accesibles para ASR, TTS y otras tecnologías de voz.

Restauración general de voz.

Transcripción controlable. Literal (incluyendo muletillas, pausas, tartamudeos, sonidos vocales) o intencionada (lo que el hablante quiso decir, optimizado para legibilidad) con marcas de tiempo a nivel de palabra.

StreamSpeech es un modelo integrado "Todo en uno" para el reconocimiento, traducción y síntesis de voz tanto fuera de línea como simultáneos.

Herramienta de código abierto para la anotación de audio

Un framework para procesamiento de voz, lenguaje, audio y música con modelos de lenguaje grandes

Aquí puedes encontrar los algoritmos de voz que buscas.

[NeurIPS 2021] Benchmarks multiescala para el aprendizaje de representación multimodal

Laboratorios, empresas, recursos y pasantías en el área de voz; se aceptan recomendaciones o autocandidaturas.