yeyupiaoling

यह प्रोजेक्ट EcapaTdnn, ResNetSE, ERes2Net, CAM++ आदि जैसे विभिन्न उन्नत वॉइसप्रिंट पहचान मॉडल का उपयोग करता है। भविष्य में और अधिक मॉडल समर्थित किए जाने की संभावना है। साथ ही, यह प्रोजेक्ट MelSpectrogram, Spectrogram डेटा प्रीप्रोसेसिंग तरीकों का भी समर्थन करता है।

टाइमस्टैम्प डेटा के बिना, टाइमस्टैम्प डेटा के साथ, और स्पीच डेटा के बिना ट्रेनिंग का समर्थन करने के लिए Whisper स्पीच रिकग्निशन मॉडल को फाइन-ट्यून करें। इन्फेरेंस को तेज करें और Web डिप्लॉयमेंट, Windows डेस्कटॉप डिप्लॉयमेंट, और Android डिप्लॉयमेंट का समर्थन करें।

PaddlePaddle पर आधारित एंड-टू-एंड चीनी वॉयस रिकग्निशन, शुरुआती से लेकर व्यावहारिक प्रोजेक्ट्स तक। DeepSpeech2, Conformer और Squeezeformer मॉडल्स का समर्थन करता है।

PaddlePaddle पर आधारित वाक् पहचान (Speech Recognition), चीनी वाक् पहचान। परियोजना परिपक्व है और पहचान प्रभाव अच्छा है। Windows और Linux के तहत प्रशिक्षण और पूर्वानुमान का समर्थन करता है, और Nvidia Jetson विकास बोर्ड पूर्वानुमान का समर्थन करता है।

Pytorch में कार्यान्वित स्ट्रीमिंग और नॉन-स्ट्रीमिंग ऑटोमैटिक स्पीच रिकग्निशन फ्रेमवर्क, जो ऑनलाइन और ऑफलाइन रिकग्निशन के साथ संगत है, वर्तमान में Conformer, Squeezeformer, और DeepSpeech2 मॉडल का समर्थन करता है और विभिन्न डेटा ऑगमेंटेशन विधियों के साथ आता है।

साउंड क्लासिफिकेशन का Pytorch कार्यान्वयन जो EcapaTdnn, PANNS, TDNN, Res2Net, ResNetSE और अन्य मॉडल के साथ-साथ विभिन्न प्रीप्रोसेसिंग विधियों का समर्थन करता है