speech

🐸 TTS 関連論文のコレクション

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。

FreeVC: テキストなしの高品質なワンショット音声変換に向けて

PyTorch-LightningとHydraを活用したエンドツーエンド音声認識のためのオープンソースツールキット。

初心者向けの AI 会話練習アプリケーション

Chatterboxを使用したローカルなOpenAI互換の音声合成（TTS）API。OpenAI APIが使用されるあらゆる場所（Open WebUI、AnythingLLMなど）で音声クローンによる音声生成を可能にします

MOSS-Audio は、統合された音声理解のためのオープンソース基盤モデルであり、現実世界のシナリオにおける音声、サウンド、音楽、キャプション生成、QA、推論を可能にします。

:speech_balloon: /so.nus/ オフラインホットワード検知機能を備えたNode向けSTT（音声認識）

音声分野の研究室、企業、リソース、インターンシップなど。推薦や自己推薦を歓迎します

公開されている部屋インパルス応答（RIR）データセットとダウンロード用スクリプトのリスト

SpeechIO Leaderboard: 自動音声認識のための大規模で堅牢かつ包括的なベンチマークプラットフォーム。

エンドツーエンド音声合成モデル Tacotron に関連する論文の音声サンプル集

Nearest Neighbors のみを使用した音声変換

StarGANv2-VC: 自然な音声変換のための多様で教師なし、非平行なフレームワーク