vocoder

🐸💬 - 研究および本番環境で実証済みの Text-to-Speech 用ディープラーニングツールキット

自己教師あり学習モデル、句読点付きSOTA/ストリーミングASR、テキストフロントエンド付きストリーミングTTS、話者認証システム、エンドツーエンド音声翻訳、キーワードスポッティングを含む使いやすい音声ツールキット。NAACL2022最優秀デモ賞を受賞。

Amphion (/æmˈfaɪən/) は、オーディオ、音楽、音声生成のためのツールキットです。再現性のある研究をサポートし、若手研究者やエンジニアがオーディオ、音楽、音声生成の研究開発分野を始めやすくすることを目的としています。

multilingual-bertを搭載したvits2バックボーン

:stuck_out_tongue_closed_eyes: TensorFlowTTS: TensorFlow 2向けのリアルタイム最先端音声合成（英語、フランス語、韓国語、中国語、ドイツ語に対応しており、他の言語への適応が容易）

HiFi-GAN：効率的かつ高忠実度な音声合成のための積層型敵対的生成ネットワーク（GAN）

PyTorch による非公式の Parallel WaveGAN（＋ MelGAN、Multi-band MelGAN、HiFi-GAN、StyleMelGAN）

汎用音声修復

高品質な音声分析、操作、合成システム

Vocos: 高品質な音声合成に向けた、時間領域とフーリエベースのニューラルボコーダーのギャップを埋める手法

DiffWave は、高速で高品質なニューラルボコーダーおよび波形シンセサイザーです。