speech

🐸💬 - toolkit deep learning untuk Text-to-Speech, teruji dalam penelitian dan produksi

🚀 Kloning suara dalam 5 detik untuk menghasilkan ucapan arbitrer secara real-time.

VoxCPM2: TTS tanpa tokenizer untuk pembuatan ucapan multibahasa, desain suara kreatif, dan kloning suara yang realistis

WhisperX: Pengenalan Ucapan Otomatis dengan stempel waktu tingkat kata (& Diarisasi)

🤗 Pusat dataset siap pakai terbesar untuk model AI dengan alat manipulasi data yang cepat, mudah digunakan, dan efisien.

Grounded SAM: Menggabungkan Grounding DINO dengan Segment Anything & Stable Diffusion & Recognize Anything - Secara otomatis mendeteksi, melakukan segmentasi, dan menghasilkan apa pun

kaldi-asr/kaldi adalah lokasi resmi dari proyek Kaldi.

Membangun agen suara dengan model open-source

AudioGPT: Memahami dan Menghasilkan Ucapan, Musik, Suara, dan Talking Head

Silero VAD: Voice Activity Detector tingkat perusahaan yang telah dilatih sebelumnya

ModelScope: wujudkan konsep Model-sebagai-Layanan (Model-as-a-Service).

EmotiVoice 😊: Mesin TTS Multi-Suara dan Terkontrol-Prompt

Dikelola secara resmi dan didukung oleh PaddlePaddle, mencakup CV, NLP, Speech, Rec, TS, model besar, dan lainnya.

💬 Pengenalan ucapan untuk situs Anda

Silero Models: model text-to-speech pra-latih yang dibuat sangat sederhana

Kuantisasi, kernel, runtime, dan mesin inferensi untuk perangkat seluler, perangkat yang dapat dikenakan, rumah pintar, dan robot.

Pengenalan Ucapan Otomatis (ASR) dengan Speaker Diarization berbasis OpenAI Whisper

Alat pengenalan suara ke teks, alat konversi audio/video ke subtitle yang berjalan secara lokal (offline), mendukung format output json, srt, dan teks biasa.

Peredaman kebisingan menggunakan deep filtering

LLM multimodal yang cepat untuk suara waktu nyata

Toolkit pemrosesan ucapan bertenaga AI dan SOTA Pretrained Models open source, mendukung peningkatan ucapan, pemisahan, dan ekstraksi target speaker, dll.

Model dasar untuk TTS yang ekspresif dan mirip manusia

Koleksi pilihan skrip Python luar biasa dari tingkat dasar hingga lanjut dengan skrip tugas otomatisasi.

Alat konversi suara yang sederhana dan berkualitas tinggi dengan fokus pada kemudahan penggunaan dan performa.

Layanan API ASR OpenAI Whisper

Contoh kode untuk API baru di iOS 10.

Manipulasi dan transformasi data untuk pemrosesan sinyal audio, didukung oleh PyTorch

Lingvo

aeneas adalah pustaka Python/C dan sekumpulan alat untuk menyinkronkan audio dan teks secara otomatis (dikenal sebagai forced alignment)

Pengenalan Ucapan Otomatis Multibahasa dengan stempel waktu tingkat kata dan tingkat kepercayaan.