Project Icon

g2pW

普通话多音字消歧的开源解决方案

g2pW是一个开源的普通话多音字消歧工具,基于条件加权softmax BERT模型。它可将中文文本转换为拼音或注音符号,支持简繁体中文并提供离线使用功能。该项目已集成至PaddleSpeech和pypinyin-g2pW等开源项目中,在语音合成和自然语言处理领域具有广泛应用。

TensorFlowTTS - TensorFlow 2驱动的多模型实时语音合成系统
GithubTensorFlowTTS多语言支持实时处理开源项目模型优化语音合成
探索TensorFlowTTS:快速、灵活的多语言语音合成平台,采用最新技术如Tacotron-2、MelGAN,可部署于移动设备,助力全球开发者创造多语种语音应用。
h2ogpt - 私密的文件查询与总结工具
Githubh2oGPT开源项目文档查询本地私有GPT LLM热门用户界面
h2oGPT是一个基于Apache V2协议的开源项目,支持用户通过高效的本地私有GPT语言模型查询、总结文档或进行交流。该项目提供多种模型支持,包括LLaMa2、Mistral等,并具备包括PDF、Excel、Word在内的多种文件类型处理能力。用户可以通过UI或CLI界面使用该系统,并利用GPU或CPU进行操作。h2oGPT还可以作为OpenAI服务器的替代品,支持文本完成、音频转写和图像生成等功能。
wav2vec2-base - Facebook开发的语音表征学习模型实现低资源语音识别
GithubHuggingfaceWav2Vec2开源项目模型深度学习自监督学习语音识别语音预训练
Wav2Vec2-Base是Facebook开发的语音预训练模型,基于16kHz采样语音音频。该模型通过掩蔽输入语音的潜在空间和解决对比学习任务,学习语音表征。在LibriSpeech基准测试中,即使只使用少量标注数据,也能取得优异成绩,证明了低资源语音识别的可行性。研究人员可以利用此模型进行微调,应用于不同的语音识别任务。
faster-distil-whisper-medium.en - 基于CTranslate2的Whisper medium.en模型语音识别工具
CTranslate2GithubHuggingfaceWhisperfaster-whisper开源项目模型模型转换语音识别
该项目将distil-whisper/distil-medium.en模型转换为CTranslate2格式,用于英语语音识别。通过faster-whisper库,实现了高效的音频转录功能。项目提供简洁的Python接口,支持FP16模型权重,并允许灵活选择计算类型。这种优化使得该工具适用于各种需要快速、准确英语语音识别的应用场景。
GPT-SoVITS-Server - 轻量级语音克隆模型部署工具
GPT-SoVITSGithub开源项目推理合成服务器部署模型训练语音克隆
GPT-SoVITS-Server是一个简化语音克隆模型部署的轻量级项目。无需复杂环境搭建,用户可在多种设备上轻松运行训练好的GPT-SoVITS模型,包括手机和服务器。项目适用于CPU推理,提供简化的代码结构和配置选项,便于新手使用。未来计划包括优化代码结构、增加语言支持和开发图形界面。
WaveRNN - 高效神经音频合成技术
GithubPytorchTTSTacotronWaveRNN开源项目语音合成
WaveRNN通过Pytorch实现了Deepmind的高效神经音频合成技术,并包含Tacotron训练支持, 提供两种预训练模型。项目向研究者和开发者开放,并附有详细使用指南与多样化的自定义功能,以便进行高质量的文本到语音转换。
Woodpecker - 专门用于校正多模态大语言模型中的幻觉现象的方法
GithubPOPE基准WoodpeckermPLUG-Owl多模态大语言模型幻觉矫正开源项目
Woodpecker是一种创新方法,专门用于校正多模态大语言模型中的幻觉现象。与依赖重训练数据的传统方法不同,Woodpecker通过关键概念提取、问题制定、视觉知识验证、视觉声明生成和幻觉校正五个阶段实现训练无关的校正。这种方法适应性广泛,可解释性强,并在POPE基准测试中显著提高模型准确性。用户可以通过在线演示平台体验Woodpecker的功能。更多信息请参考我们的arXiv论文或在线Demo。
ToolGood.Words - 多功能中文文本处理与敏感词过滤库
GithubToolGood.Words字符串搜索开源项目拼音操作敏感词检测繁简转换
ToolGood.Words是一个高性能的中文文本处理库,集成了敏感词检测、繁简体转换、全半角转换、拼音处理等功能。该项目提供多种高效的字符串搜索算法,支持通配符匹配,并包含拼音匹配和文本转换等实用工具。在大规模敏感词库上,其处理速度可达3亿字符每秒。这个开源项目适用于内容审核、文本过滤等多种应用场景。
gpt2_chinese - 使用15G中文语料和31亿tokens完成GPT2训练教程
GithubHuggingfacegpt2transformerszero_nlp中文开源项目模型训练
该项目使用15G中文语料和31亿个tokens,在单张3090显卡上运行60多小时,成功训练出中文版本的GPT2模型。项目提供教程指导如何使用transformers库实现中文文本生成。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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