speech

CAMB.AI의 MARS5 음성 모델 (TTS)

💬 SpeechGPT는 ChatGPT와 대화할 수 있게 해주는 웹 애플리케이션입니다.

Google Translate 텍스트 음성 변환 API와 연동하기 위한 Python 라이브러리 및 CLI 도구

음성 활동 감지기(VAD): 저지연, 고성능, 경량화

7000개 이상의 언어를 지원하는 제어 가능하고 빠른 텍스트 음성 변환(TTS)!

게임용 무료, 간편 및 휴대용 오디오 엔진

OpenAI, Azure, ElevenLabs를 대체할 수 있는 무료 고품질 텍스트 음성 변환 API 엔드포인트

Praat: 컴퓨터를 이용한 음성학 연구

오픈소스 대용량 어휘 연속 음성 인식 엔진

오디오 및 음악 기술 분야에서 AI를 다루는 스타트업 커뮤니티 목록

SALMONN 제품군: 고급 멀티모달 LLM 모음

일반 음성 복원

제어 가능한 전사(Transcription) 기능. 단어 수준의 타임스탬프와 함께 축어적(모든 단어, 추임새, 일시 정지, 말더듬, 음성 소리) 또는 의도적(화자가 말하고자 한 내용, 가독성 최적화) 방식으로 제공.

자연어 처리 분야 관련 논문(독서 노트 포함), 모델 구현 및 데이터 처리 등 (코드에 TensorFlow 및 PyTorch 두 버전 포함)

MTools는 오디오/비디오 처리, 이미지 편집, 텍스트 조작 및 코딩 도구가 통합된 강력한 다기능 데스크톱 애플리케이션으로, AI 강화 기능이 내장되어 있습니다. 작업 흐름을 단순화하고 생산성을 향상시키도록 설계되었습니다.

StreamSpeech는 오프라인 및 동시 음성 인식, 음성 번역, 음성 합성을 위한 "All in One" 심리스 모델입니다.

딥러닝을 이해하기 위한 비디오, 노트 및 실험

머신러닝 프로젝트에서 멀티모달 데이터를 처리하기 위한 도구입니다.

"Conformer: Convolution-augmented Transformer for Speech Recognition" (INTERSPEECH 2020) 논문의 비공식 PyTorch 구현체

Kaldi용 Python 래퍼

오픈 소스 LLM 기반 Foundation TTS 시스템

CNN 기반 오디오 분할 툴킷입니다. 음성, 음악, 소음 및 화자의 성별을 감지할 수 있습니다. 성별별 발화 시간을 기반으로 하는 대규모 성평등 연구를 위해 설계되었습니다.

DiffWave는 빠르고 고품질인 뉴럴 보코더 및 파형 신시사이저입니다.

"AnyGPT: Unified Multimodal LLM with Discrete Sequence Modeling" 논문 코드

PaddlePaddle 기반의 엔드투엔드 중국어 음성 인식 구현. 입문부터 실전까지, 초보자를 위한 간단한 사례와 실용적인 기업 프로젝트 포함. DeepSpeech2, Conformer, Squeezeformer 모델 지원

네이티브 및 브라우저에서 실행되는 Voxtral ASR & TTS. Burn ML 프레임워크를 사용하여 Mistral의 Voxtral mini 실시간 ASR/TTS를 Rust로 구현

LiveKit 기반의 실시간 대화형 Omni Avatar로, 오픈소스 아바타 컴포넌트(실시간 모델, 시각, 음성, 메모리, 검색 등)와 원활하게 통합할 수 있습니다.

🎧 🎼 가장 진보된 JavaFX 미디어 플레이어

브라우저용 텍스트 음성 변환(TTS) 기능이 포함된 보완 대체 의사소통(AAC) 시스템

Allosaurus는 2000개 이상의 언어를 지원하는 사전 학습된 범용 음소 인식기