speech

Modèle de synthèse vocale (TTS) MARS5 de CAMB.AI.

SpeechGPT est une application web permettant de converser avec ChatGPT.

Bibliothèque Python et outil CLI pour interagir avec l'API de synthèse vocale de Google Translate.

Détecteur d'activité vocale (VAD) : faible latence, haute performance et léger.

Synthèse vocale rapide et contrôlable pour plus de 7000 langues.

Moteur audio gratuit, simple et portable pour les jeux.

Point de terminaison d'API de synthèse vocale gratuit et de haute qualité pour remplacer OpenAI, Azure ou ElevenLabs.

Praat : faire de la phonétique par ordinateur

Moteur de reconnaissance vocale continue à large vocabulaire open source.

Liste communautaire de startups travaillant sur l'IA dans la technologie audio et musicale

Famille SALMONN : une suite de LLM multimodaux avancés.

Restauration de parole générale

Transcription contrôlable. Verbatim (chaque mot, remplissage, pause, bégaiement, son vocal) ou intentionnelle (ce que l'orateur voulait dire, optimisé pour la lisibilité) avec horodatage au niveau du mot.

Articles de recherche en traitement du langage naturel (avec notes de lecture), implémentations de modèles et traitement de données (code disponible en TensorFlow et PyTorch)

MTools est une application de bureau polyvalente intégrant le traitement audio/vidéo, l'édition d'images, la manipulation de texte et des outils de codage, avec des fonctionnalités d'IA intégrées pour simplifier votre flux de travail et améliorer votre productivité.

StreamSpeech est un modèle tout-en-un fluide pour la reconnaissance vocale, la traduction et la synthèse vocale, en mode hors ligne et simultané.

Vidéos, notes et expériences pour comprendre l'apprentissage profond

Outils pour manipuler des données multimodales dans des projets d'apprentissage automatique

[Non officiel] Implémentation PyTorch de "Conformer: Convolution-augmented Transformer for Speech Recognition" (INTERSPEECH 2020).

Un wrapper Python pour Kaldi

Un système de synthèse vocale (TTS) open source basé sur des LLM.

Boîte à outils de segmentation audio basée sur les CNN. Permet de détecter la parole, la musique, le bruit et le genre du locuteur. Conçue pour des études à grande échelle sur l'égalité des genres basées sur le temps de parole par genre.

DiffWave est un vocodeur neuronal et un synthétiseur de forme d'onde rapide et de haute qualité.

Code pour "AnyGPT : LLM multimodal unifié avec modélisation de séquence discrète"

Reconnaissance vocale chinoise de bout en bout basée sur PaddlePaddle, de l'initiation à la pratique, avec des cas d'étude simples et des projets d'entreprise concrets. Prend en charge les modèles DeepSpeech2, Conformer et Squeezeformer les plus populaires.

Voxtral ASR & TTS fonctionnant nativement et dans le navigateur. Une implémentation en Rust du modèle Voxtral mini de Mistral pour l'ASR/TTS en temps réel, utilisant le framework Burn ML.

Un avatar omni interactif en temps réel basé sur LiveKit, permettant une intégration transparente avec tout composant d'avatar open source (modèle temps réel, visuel, voix, mémoire, recherche, etc.).

Le lecteur multimédia JavaFX le plus avancé

Système de communication améliorée et alternative (CAA) avec synthèse vocale pour le navigateur

Allosaurus est un reconnaisseur de phonèmes universel pré-entraîné pour plus de 2000 langues.