speech

🐸💬 - bộ công cụ học sâu cho chuyển văn bản thành giọng nói, đã được kiểm chứng qua thực chiến trong nghiên cứu và sản xuất

🚀 Nhân bản giọng nói trong 5 giây để tạo ra lời nói bất kỳ theo thời gian thực

VoxCPM2: TTS không cần Tokenizer để tạo giọng nói đa ngôn ngữ, thiết kế giọng nói sáng tạo và nhân bản như thật

WhisperX: Nhận diện giọng nói tự động với mốc thời gian cấp độ từ (và phân đoạn người nói)

🤗 Trung tâm dữ liệu lớn nhất sẵn sàng sử dụng cho các mô hình AI với các công cụ xử lý dữ liệu nhanh chóng, dễ sử dụng và hiệu quả

Grounded SAM: Kết hợp Grounding DINO với Segment Anything, Stable Diffusion & Recognize Anything - Tự động phát hiện, phân đoạn và tạo ra mọi thứ

kaldi-asr/kaldi là địa chỉ chính thức của dự án Kaldi.

Xây dựng các tác nhân giọng nói với các mô hình mã nguồn mở

AudioGPT: Hiểu và tạo ra giọng nói, âm nhạc, âm thanh và chuyển động khuôn mặt

Silero VAD: Trình phát hiện hoạt động giọng nói cấp doanh nghiệp đã được huấn luyện sẵn

ModelScope: Hiện thực hóa khái niệm Model-as-a-Service.

EmotiVoice 😊: Công cụ TTS đa giọng nói và điều khiển bằng prompt

Được duy trì chính thức, hỗ trợ bởi PaddlePaddle, bao gồm CV, NLP, Speech, Rec, TS, mô hình lớn v.v.

💬 Nhận dạng giọng nói cho trang web của bạn

Silero Models: các mô hình chuyển văn bản thành giọng nói được huấn luyện trước trở nên vô cùng đơn giản

Lượng tử hóa, kernel, runtime và công cụ suy luận cho thiết bị di động, thiết bị đeo, nhà thông minh và robot.

Nhận dạng giọng nói tự động kết hợp phân đoạn người nói dựa trên OpenAI Whisper

Công cụ nhận diện giọng nói thành văn bản / Công cụ chuyển đổi âm thanh và video cục bộ chạy ngoại tuyến thành phụ kiện, hỗ trợ xuất định dạng json, phụ đề srt và văn bản thuần túy

Khử nhiễu sử dụng bộ lọc sâu (deep filtering)

Một LLM đa phương thức nhanh chóng dành cho giọng nói thời gian thực

Bộ công cụ xử lý giọng nói hỗ trợ AI và các mô hình tiền huấn luyện SOTA mã nguồn mở, hỗ trợ tăng cường, tách rời giọng nói và trích xuất giọng nói mục tiêu, v.v.

Mô hình nền tảng cho TTS tự nhiên, biểu cảm giống con người

🚀 Bộ sưu tập các tập lệnh Python tuyệt vời từ cơ bản đến nâng cao, bao gồm cả các tập lệnh tác vụ tự động hóa.

Công cụ chuyển đổi giọng nói đơn giản, chất lượng cao, tập trung vào tính dễ sử dụng và hiệu năng.

API dịch vụ web ASR OpenAI Whisper

Mã nguồn ví dụ cho các API mới của iOS 10.

Thao tác và biến đổi dữ liệu cho xử lý tín hiệu âm thanh, được cung cấp bởi PyTorch

Lingvo

aeneas là một thư viện Python/C và bộ công cụ tự động đồng bộ hóa âm thanh và văn bản (còn gọi là căn chỉnh cưỡng bức)

Nhận dạng Tự động Tiếng nói Đa ngôn ngữ với mốc thời gian cấp độ từ và độ tin cậy