speech

Model ucapan (TTS) MARS5 dari CAMB.AI

💬 SpeechGPT adalah aplikasi web yang memungkinkan Anda bercakap-cakap dengan ChatGPT.

Pustaka Python dan alat CLI untuk berinteraksi dengan API text-to-speech Google Translate

Voice Activity Detector (VAD): latensi rendah, performa tinggi, dan ringan

Text-to-Speech yang cepat dan dapat dikontrol untuk lebih dari 7000 bahasa!

Mesin audio yang gratis, mudah, dan portabel untuk game

Endpoint API text-to-speech gratis dan berkualitas tinggi sebagai pengganti OpenAI, Azure, atau ElevenLabs

Praat: Melakukan Fonetik Dengan Komputer

Mesin Pengenalan Ucapan Kontinu Kosakata Besar Sumber Terbuka

Daftar komunitas startup yang bekerja dengan AI dalam teknologi audio dan musik

Keluarga SALMONN: Sekumpulan multi-modal LLM tingkat lanjut

Pemulihan Ucapan Umum

Transkripsi yang Dapat Dikontrol. Verbatim (setiap kata, pengisi, jeda, gagap, suara vokal), atau yang dimaksudkan (apa yang ingin dikatakan pembicara, dioptimalkan untuk keterbacaan) dengan stempel waktu tingkat kata.

Makalah terkait di bidang pemrosesan bahasa alami (dengan catatan bacaan), replikasi model, dan pemrosesan data (kode berisi versi TensorFlow dan PyTorch)

MTools adalah aplikasi desktop multifungsi yang kuat, mengintegrasikan pemrosesan audio/video, pengeditan gambar, operasi teks, dan alat encoding, dengan fitur AI yang ditingkatkan. Dirancang untuk menyederhanakan alur kerja Anda dan meningkatkan produktivitas.

StreamSpeech adalah model "All in One" yang mulus untuk pengenalan suara offline dan simultan, terjemahan suara, serta sintesis suara.

Video, catatan, dan eksperimen untuk memahami deep learning.

Alat untuk menangani data multimodal dalam proyek machine learning.

Implementasi PyTorch [Tidak Resmi] untuk "Conformer: Convolution-augmented Transformer for Speech Recognition" (INTERSPEECH 2020)

Pembungkus Python untuk Kaldi

Sistem TTS Foundation open-source yang didukung oleh LLM

Toolkit segmentasi audio berbasis CNN. Memungkinkan pendeteksian ucapan, musik, kebisingan, dan jenis kelamin pembicara. Dirancang untuk studi kesetaraan gender skala besar berdasarkan waktu bicara per gender.

DiffWave adalah vocoder neural dan synthesizer gelombang yang cepat serta berkualitas tinggi.

Kode untuk "AnyGPT: Unified Multimodal LLM with Discrete Sequence Modeling"

Implementasi pengenalan suara Mandarin end-to-end berbasis PaddlePaddle, dari tingkat dasar hingga praktis, contoh pemula yang super mudah dan proyek perusahaan yang sangat berguna. Mendukung model DeepSpeech2, Conformer, dan Squeezeformer yang paling populer saat ini

Voxtral ASR & TTS berjalan secara native dan di dalam browser. Implementasi Rust dari ASR / TTS real-time mini Voxtral milik Mistral menggunakan framework Burn ML

Omni Avatar interaktif waktu nyata yang dibangun di atas LiveKit, memungkinkan Anda mengintegrasikan komponen Avatar sumber terbuka secara mulus (model waktu nyata, visual, suara, memori, pencarian, dll.).

🎧 🎼 Pemutar Media JavaFX PALING CANGGIH

Sistem Komunikasi Augmentatif dan Alternatif (AAC) dengan text-to-speech untuk browser

Allosaurus adalah pengenal phone universal pra-latih untuk lebih dari 2000 bahasa