speech-processing

Bộ công cụ nhận diện giọng nói dựa trên PyTorch

Khối xây dựng thần kinh cho việc phân đoạn người nói: phát hiện hoạt động giọng nói, phát hiện thay đổi người nói, phát hiện giọng nói chồng chéo, nhúng người nói

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

Trở thành một nhà nghiên cứu/kỹ sư AI/ML xuất sắc với cuốn sách giáo khoa phi truyền thống này bao gồm toán học, điện toán và ML bằng trực giác.

Danh sách tài liệu đọc cho các chủ đề nghiên cứu về học máy đa phương thức

Kiến trúc nền tảng cho (M)LLM.

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

Khử tiếng ồn và cải thiện giọng nói hỗ trợ bởi AI

Trình phát hiện hoạt động giọng nói (VAD): độ trễ thấp, hiệu suất cao và nhẹ

Chuyển văn bản thành giọng nói có thể kiểm soát và nhanh chóng cho hơn 7000 ngôn ngữ!

Danh sách tổng hợp các bài báo, thư viện, tập dữ liệu và các tài nguyên tuyệt vời khác về Phân đoạn Người nói.

💎 Danh sách các kho ngữ liệu giọng nói có thể truy cập cho ASR, TTS và các Công nghệ Giọng nói khác

Khôi phục giọng nói chung

Bản ghi âm có thể điều khiển. Nguyên văn (mọi từ đệm, khoảng dừng, lắp bắp, âm thanh phát ra), hoặc theo ý định (ý người nói muốn diễn đạt, được tối ưu hóa cho khả năng đọc) với dấu thời gian ở cấp độ từ.

StreamSpeech là một mô hình liền mạch "tất cả trong một" dành cho nhận dạng giọng nói ngoại tuyến và đồng thời, dịch giọng nói và tổng hợp giọng nói.

Công cụ chú thích âm thanh mã nguồn mở dành cho con người

Framework xử lý Tiếng nói, Ngôn ngữ, Âm thanh, Âm nhạc với Large Language Model

Nơi bạn có thể tìm thấy các thuật toán xử lý giọng nói mong muốn

[NeurIPS 2021] Các tiêu chuẩn đa quy mô cho học biểu diễn đa phương thức

Danh sách các phòng thí nghiệm/công ty/tài nguyên/thực tập về lĩnh vực giọng nói, hoan nghênh đề xuất hoặc tự ứng cử.