Geri dön: Katalog

Speech

NVIDIA NeMo Speech, araştırmacılar ve geliştiriciler için ses, konuşma ve çok modlu yapay zeka modelleri sunan ölçeklenebilir bir Python çerçevesidir. Otomatik Konuşma Tanıma (ASR) ve Metin Okuma (TTS) gibi alanlarda açık ağırlıklı kontrol noktaları içerir. NGC konteynerleri ve HuggingFace entegrasyonları ile dağıtımı destekler.

SP

Speech

100

NVIDIA-NeMo · Ses & Metinden Sese (TTS)

YILDIZ18.7K
ÇATAL3.7K
COMMIT9.6K
KATKICI400
SÜRÜMv3.0.0
GÜNCELLEMEbugün
PythonKonuşma TanımaMetin OkumaYapay ZekaApache-2.0

Bu kategorideki yaygın ticari ürünler: ElevenLabs, Amazon Polly, Google Cloud Text-to-Speech

Ne yapar?
  • Otomatik Konuşma Tanıma (ASR) akışları gerçekleştirebilirsin.
  • Çok dilli Metin Okuma (TTS) modellerini çalıştırabilirsin.
  • Ses ve konuşma odaklı yapay zeka modelleri eğitebilirsin.
Kullanıcı yorumları
  • • NötrHacker News

    Islık: 16.9 MB'de Metine Konuşma

    “Yüksek hata oranıyla transkripsiyonun kalitesini oldukça kötü buluyorum. Ve Devine podcast kalitesinde mikrofon kullanıyorum. IMHO hata oranı yirmi yıl önceki Dragon Speech ile karşılaştırılabilir. Bana öyle geliyor ki konuşma modelleri kelimelerin içeriğini hesaba katmıyor...”

  • • NötrHacker News

    Mozilla Common Voice 16 Yeni Dil ve 4600 Yeni Konuşma Saati Ekliyor

    “Bu çok aptalca. Common Voice, NVidia'ya özgü özellikler eklemiyor; bu bir veritabanı için bile nasıl görünürdü? Açık lisanslı bir veritabanına kaynak bağışlamak ve geliştiricileri oyunlarını tescilli API'ler için optimize etmeye teşvik etmek arasında bir karşılaştırma yapılmamalıdır.”

Web Sitesi GitHub

Notum

Alternatif sayfaları

ElevenLabs alternatifleriAmazon Polly alternatifleriGoogle Cloud Text-to-Speech alternatifleri

Aynı kategoride: Ses & Metinden Sese (TTS)