vocoder

🐸💬 - Text-to-Speech के लिए एक डीप लर्निंग टूलकिट, जो रिसर्च और प्रोडक्शन में परखा हुआ है

उपयोग में आसान स्पीच टूलकिट जिसमें सेल्फ-सुपरवाइज्ड लर्निंग मॉडल, विराम चिह्नों के साथ SOTA/स्ट्रीमिंग ASR, टेक्स्ट फ्रंटएंड के साथ स्ट्रीमिंग TTS, स्पीकर वेरिफिकेशन सिस्टम, एंड-टू-एंड स्पीच ट्रांसलेशन और कीवर्ड स्पॉटिंग शामिल है। NAACL2022 बेस्ट डेमो अवार्ड जीता।

Amphion (/æmˈfaɪən/) ऑडियो, म्यूजिक और स्पीच जनरेशन के लिए एक टूलकिट है। इसका उद्देश्य पुनरुत्पादनीय अनुसंधान (reproducible research) का समर्थन करना और नए शोधकर्ताओं व इंजीनियरों को ऑडियो, म्यूजिक और स्पीच जनरेशन के क्षेत्र में शुरुआत करने में मदद करना है।

multilingual-bert के साथ vits2 बैकबोन

:stuck_out_tongue_closed_eyes: TensorFlowTTS: Tensorflow 2 के लिए रियल-टाइम अत्याधुनिक स्पीच सिंथेसिस (अंग्रेजी, फ्रेंच, कोरियाई, चीनी, जर्मन सहित समर्थित और अन्य भाषाओं के लिए अनुकूलित करना आसान)

HiFi-GAN: कुशल और उच्च निष्ठा वाक् संश्लेषण के लिए जेनरेटिव एडवरसarial नेटवर्क

Pytorch के साथ अनौपचारिक Parallel WaveGAN (+ MelGAN & Multi-band MelGAN & HiFi-GAN & StyleMelGAN)।

सामान्य भाषण बहाली

एक उच्च-गुणवत्ता वाली स्पीच एनालिसिस, मैनिपुलेशन और सिंथेसिस सिस्टम

Vocos: उच्च-गुणवत्ता वाले ऑडियो संश्लेषण के लिए टाइम-डोमेन और फ़ूरियर-आधारित न्यूरल वोकोडर्स के बीच की खाई को पाटना

DiffWave एक तेज़, उच्च-गुणवत्ता वाला न्यूरल वोकोडर और वेवफॉर्म सिंथेसाइज़र है।