USLM

语音信息分层建模与零样本文本转语音的统一框架

USLM 语音语言模型 SpeechTokenizer 零样本TTS LibriTTS Github 开源项目

USLM是基于SpeechTokenizer构建的统一语音语言模型，结合自回归和非自回归模型实现语音信息的分层建模。该开源项目提供完整的安装指南、预训练模型和零样本文本转语音推理流程。USLM在LibriTTS数据集上训练，展示了语音内容和副语言信息建模的能力，为语音处理研究提供新思路。

mlc-llm - 通用大语言模型高性能部署引擎

AI模型优化GithubMLC LLMMLCEngine开源项目机器学习编译器高性能部署

MLC LLM是一款用于大语言模型的高性能部署引擎，支持用户在各种平台上开发、优化和部署AI模型。核心组件MLCEngine通过REST服务器、Python、JavaScript、iOS和Android等接口提供OpenAI兼容的API，支持AMD、NVIDIA、Apple和Intel等多种硬件平台。项目持续优化编译器和引擎，与社区共同发展。

Time-LLM - 开发用于时序预测的高级语言模型

GithubICLR 2024Time-LLM大语言模型开源项目时间序列预测框架重编程

Time-LLM将大型语言模型重新用于时序预测，利用其强大功能处理时序数据，并结合专家知识和任务说明提升预测精度。支持Llama-7B、GPT-2和BERT等模型，框架灵活且适应性广泛。了解Time-LLM的最新更新、使用案例和技术细节，访问我们的详细介绍及相关资源。

llm.ts - 调用支持30+语言模型的轻量级一体化API

AI模型APIGithubllm.tsnpmyarn开源项目

llm.ts通过单一API接口，支持同时发送多个提示至30多种语言模型，并在一个响应中获取结果。该项目零依赖、体积小于10kB，支持自带API密钥，适用于Node.js、Deno和浏览器环境。支持的模型包括OpenAI、Cohere和HuggingFace等，实现高效灵活的语言模型调用。

whisper-tiny.en - Whisper微调的英文语音识别模型

GithubHuggingfaceWhisper开源项目数据集模型模型训练深度学习语音识别

这是一个基于Whisper-tiny.en模型开发的轻量级语音识别工具，通过Azure数据集训练优化，主要用于英文语音转文本任务。模型采用线性学习率调度和Adam优化器，经过1000步训练后达到44.34%的词错误率。项目采用开源Apache 2.0许可，基于主流深度学习框架开发，便于开发者集成使用。

unilm - Unilm项目实现跨任务、语言和模态的大规模自监督预训练

Foundation ModelsGithubLarge-scaleMulti-modalTorchScale开源项目预训练

Unilm项目跨越100多种语言及包括语言、视觉、语音及其交互的多种模态，专注于基础模型和普适AI的研究。该项目已开发多种新型架构如DeepNet、Magneto，并通过稳定高效的训练方法增强模型的通用性和能力。此外，项目已发布关键技术如E5、BEiT-3，涵盖自然语言处理、机器翻译、文档AI及多模态AI等领域，为AI技术的前沿发展和实际应用做出了显著进展。

T0_3B - 小规模T0模型超越GPT-3，进行零样本自然语言任务处理

GithubHuggingfaceT0偏见与公平性开源项目模型模型训练自然语言处理评估数据

T0*模型通过自然语言提示实现零样本任务泛化，性能超越GPT-3，且模型体积缩小至16分之一。该模型在多任务提示数据集中微调，能够针对未见任务做出高效预测。适用于多种推理场景，包括情感分析、句子重排列和词义判断等。其训练数据源自多个数据集并经过严谨评估，保障模型性能可靠性。虽然T0*模型参数较大，但通过优化和并行化方案能够有效应用于多GPU环境。

Semi-supervised-learning - 统一的半监督学习基准，适用于计算机视觉、自然语言处理和音频分类

BenchmarkGithubPytorchUSB半监督学习开源项目微软研究院亚洲

USB是一个基于Pytorch的Python包，专为简化和扩展半监督学习（SSL）而设计。它实现了14种SSL算法，并在计算机视觉（CV）、自然语言处理（NLP）和音频分类领域提供了15个评估任务。项目内容包括详细的安装、使用和开发指南，以及各种基准测试结果。USB支持用户快速启动和测试现有的SSL算法，并通过Docker镜像进一步简化使用过程。

Tacotron-pytorch - 端到端文本至语音合成技术的高效实现

GithubLJSpeechTacotron-pytorchpytorch开源项目文本转语音训练

Tacotron-pytorch是基于Pytorch框架开发的端到端文本至语音合成模型。该项目支持通过清晰的指南轻松部署和训练，使用LJSpeech数据集，并附带完整的预处理代码和网络训练文件。用户可以根据需要自定义超参数，非常适合进行科研和技术开发。项目提供了将成熟度逐渐提升的语音示例，欢迎进行下载和反馈。

GST-Tacotron - PyTorch实现的自动语音合成与风格控制模型

GST-TacotronGithubPyTorch中文支持多说话人数据集开源项目语音合成

GST-Tacotron是一个基于PyTorch的端到端语音合成系统实现，实现无监督风格建模、控制与转移技术。该项目已增加对Blizzard数据集的支持，同时提供了预训练模型，专门针对中文数据集进行训练。支持简单的命令行操作以训练模型和生成.wav格式的语音文件，方便研究人员和开发者在多说话人数据集上进行语音合成实验。

speech-to-text-benchmark - 开源语音识别基准测试框架对比多家主流引擎

Github基准测试开源项目模型大小计算效率识别准确率语音转文本

该项目提供了一个开源的语音识别基准测试框架，对比了Amazon、Azure、Google等主流云服务以及OpenAI Whisper、Picovoice等引擎的性能。框架使用LibriSpeech、TED-LIUM和Common Voice数据集，评估词错率、计算效率和模型大小等指标。测试结果客观展示了各引擎在准确度和资源消耗方面的表现，为选择语音识别解决方案提供了参考依据。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com