yeyupiaoling

EcapaTdnn、ResNetSE、ERes2Net、CAM++ などのさまざまな高度な声紋認識モデルを使用するプロジェクトです。今後、さらに多くのモデルがサポートされる予定です。同時に、MelSpectrogram や Spectrogram のデータ前処理方法もサポートしています。

Whisper音声認識モデルをファインチューニングし、タイムスタンプなし、タイムスタンプあり、音声なしデータのトレーニングをサポート。推論の高速化、およびWeb、Windowsデスクトップ、Androidへのデプロイをサポート

PaddlePaddleに基づくエンドツーエンドの中国語音声認識。入門から実践まで、非常にシンプルな入門ケースと実用的なエンタープライズプロジェクト。現在最も人気のDeepSpeech2、Conformer、Squeezeformerモデルをサポート

PaddlePaddle をベースに実装された音声認識、中国語音声認識。プロジェクトは充実しており、認識精度も良好。Windows および Linux でのトレーニングと予測をサポートし、Nvidia Jetson 開発ボードでの予測もサポートします。

PyTorchで実装されたストリーミングおよび非ストリーミングの自動音声認識フレームワーク。オンラインおよびオフライン認識の両方に対応しており、現在Conformer、Squeezeformer、DeepSpeech2モデルをサポートし、多様なデータ拡張手法を備えています。

EcapaTdnn、PANNS、TDNN、Res2Net、ResNetSE などのモデルおよび多様な前処理手法をサポートする、音声分類の PyTorch 実装