speech

🐸 Colección de artículos de TTS

Marco de trabajo de reconocimiento automático de voz (ASR) en PyTorch para modelos de transmisión y no transmisión, compatible con reconocimiento en línea y fuera de línea. Soporta modelos Conformer, Squeezeformer y DeepSpeech2, además de diversos métodos de aumento de datos.

FreeVC: Hacia una conversión de voz one-shot de alta calidad sin texto

Kit de herramientas de código abierto para reconocimiento de voz de extremo a extremo utilizando PyTorch-Lightning y Hydra.

Aplicación de práctica de conversación con IA apta para principiantes

API de texto a voz (TTS) local compatible con OpenAI que utiliza Chatterbox, permitiendo a los usuarios generar voz clonada en cualquier lugar donde se utilice la API de OpenAI (por ejemplo, Open WebUI, AnythingLLM, etc.).

MOSS-Audio es un modelo base de código abierto para la comprensión unificada de audio, que permite el procesamiento de voz, sonido, música, subtitulado, QA y razonamiento en escenarios del mundo real.

STT (speech to text) para Node con detección de palabras clave sin conexión

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

Una lista de conjuntos de datos de respuesta al impulso de sala disponibles públicamente y scripts para descargarlos.

SpeechIO Leaderboard: una plataforma de evaluación comparativa amplia, robusta y completa para el reconocimiento automático de voz.

Muestras de audio que acompañan a publicaciones relacionadas con Tacotron, un modelo de síntesis de voz de extremo a extremo.

Conversión de voz utilizando solo los vecinos más cercanos.

StarGANv2-VC: un marco de trabajo diverso, no supervisado y no paralelo para la conversión de voz con sonido natural.