Project Icon

NoiseTorch

Linux系统开源噪音抑制工具 提升音频清晰度

NoiseTorch-ng是一款专为Linux系统开发的开源噪音抑制应用。该工具支持PulseAudio和PipeWire音频系统,通过创建虚拟麦克风来过滤背景噪音,如机械键盘声和电脑风扇声。NoiseTorch-ng采用RNNoise技术,可轻松集成到各类会议和网络通话应用中。它的设置过程简单快捷,仅需两步即可完成,是改善音频质量的实用工具。

metricgan-plus-voicebank - 基于MetricGAN+的开源语音增强模型实现PESQ 3.15分及STOI 93.0分
GithubHuggingfaceMetricGANPyTorchSpeechBrainVoicebank开源项目模型语音增强
MetricGAN+是一个基于SpeechBrain框架开发的语音增强模型,在Voicebank-DEMAND数据集测试中达到PESQ 3.15分和STOI 93.0分。模型支持16kHz采样率音频处理,提供Python接口实现音频降噪和质量优化。项目开源,可用于语音处理和音频增强等应用场景。
Voice AI Evaluation by Canonical AI - 实时分析与优化语音AI交互性能
AI分析AI工具Canonical AILatencySignal-to-Noise RatioVoice AI
Canonical AI的Voice AI评估工具提供实时性能分析,通过监控信噪比、延迟、语速及中断等指标,识别并解决语音交互中的问题。其交互式演示与灵活的定价计划适合各类团队,提升语音助手的交互质量。
audiomentations - 使用于深度学习的高级音频数据增强库
AudiomentationsGithubPyPIPython开源项目深度学习音频数据增强
Audiomentations是一个用于音频数据增强的Python库,专为提升深度学习模型性能而设计。该库支持单声道和多声道音频,能够集成到Tensorflow/Keras或Pytorch等训练管道中。它已在Kaggle竞赛中帮助用户取得了出色的成绩,并被多家开发下一代音频产品的公司采用。Audiomentations提供了丰富的音频变换功能,如加噪声、时间拉伸、音调变化和移位等,在CPU上运行,同时推荐使用torch-audiomentations以获得GPU支持。
whisper-diarization - 基于OpenAI Whisper的音频转录和说话人分离工具
GithubOpenAI WhisperSpeaker Diarization开源项目语音识别说话人分类音频处理
whisper-diarization项目整合了OpenAI Whisper的语音识别技术和先进的说话人分离方法。该工具首先进行人声提取,然后利用Whisper生成转录文本,并通过WhisperX优化时间戳。结合MarbleNet和TitaNet等技术,它能够准确识别多个说话人,最终输出包含说话人标识的精确转录结果。这一开源解决方案特别适合需要处理多人对话音频的场景,为音频转录和分析提供了强大支持。
Voice-Cloning-App - 声音克隆技术应用:从自动合成到多语言支持
GithubPytorchVoice Cloning App人工智能开源项目数据集语音克隆
Voice-Cloning-App,一个基于Python/Pytorch的高效工具,使用户能在多个平台上进行人声合成和训练。特点包括支持多GPU使用、自动化数据集创建、多语言支持及系统的远程训练功能。即将支持更多语音合成技术和GPU型号,优化数据处理效率。
voice-changer - 多平台实时语音转换软件 支持多种AI模型
AIGithubVC Clientクロスプラットフォームリアルタイム开源项目音声変換
VC Client是一款多功能实时语音转换软件,支持MMVC、so-vits-svc、RVC等多种AI模型。该软件兼容Windows、Mac和Linux平台,可通过网络远程使用。提供预构建二进制文件和Docker环境两种部署选项,方便不同技术水平的用户使用。软件具备将处理负载转移到外部设备的功能,适合与游戏等高负载应用同时运行。用户可根据需求选择合适的使用方式,实现高质量的实时语音转换。
GetSound.ai - 动态音景应用助力深度专注和提升效率
AI工具声景实时技术深度专注应用生产力音乐
GetSound.ai利用实时音景技术提升用户专注力和工作效率。该应用基于RTS技术,根据环境和天气动态生成音景,确保听觉体验持续新鲜。支持多平台使用,包括移动设备和桌面系统。通过创造沉浸式音频环境,减少外部干扰,帮助用户保持深度专注并实现高效工作。
LookOnceToHear - 视觉引导的智能目标语音提取系统
GithubLook Once to Hear开源项目智能听力系统目标说话人识别语音分离音频处理
Look Once to Hear 项目开发了一种新型智能听觉系统,通过短暂观察目标说话者即可实现选择性听取其声音。该技术结合计算机视觉和语音处理,能在嘈杂环境中准确提取目标语音。项目获得 CHI 2024 最佳论文荣誉提名,并公开了相关代码、数据集和评估方法,为智能听觉研究提供了重要参考。
NEFTune - 革新语言模型指令微调的噪声嵌入技术
GithubLLM微调NEFTune噪声增强嵌入向量开源项目性能提升
NEFTune是一种创新的语言模型指令微调技术,通过向嵌入向量添加随机噪声来提升模型性能。这种方法无需额外计算资源或数据,却能显著改善对话质量。在AlpacaEval评估中,NEFTune将LLaMA-2-7B模型的性能从29.8%提升至64.7%。作为一种高效的LLM微调方案,NEFTune为模型优化提供了低成本、高收益的解决方案。
NISQA - 多维度语音质量评估和自然度预测深度学习工具
GithubNISQA开源项目自然语言合成训练语音样本语音质量预测
NISQA是一个先进的深度学习工具,专注于多维度语音质量评估,包括噪声、色彩度、断续和响度等特质。最新版本NISQA v2.0增强了预测精度,并支持模型训练与微调。NISQA-TTS专为评估文本到语音系统生成语音的自然度而设计。项目库含14,000多个语音样本,适用于广泛的训练和评估任务。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号