Project Icon

pesto

基于机器学习的高效音高估计开源工具

PESTO是一个开源的音高估计工具,基于机器学习技术开发。该项目获得ISMIR 2023最佳论文奖,具有出色的性能和快速的处理速度。PESTO支持多种音频格式,提供命令行和Python API接口,便于集成使用。与CREPE相比,PESTO的模型参数更少,但在主要数据集上表现相当。适用于需要高效音高估计的音频处理应用。

NeuralSVB - NeuralSVB 基于深度学习的歌声美化系统
AI歌声美化GithubNeuralSVB开源项目深度学习语音处理音频生成
NeuralSVB是一个开源的歌声美化系统,基于深度学习技术自动优化歌唱质量。该系统通过分析和调整音高、音色和表现力,改善歌声效果。项目提供了训练代码、预训练模型和自建数据集PopBuTFy,为歌声合成技术的研究和开发提供了重要资源。
awesome-large-audio-models - 音频AI模型前沿进展与资源汇总
Github大型音频模型开源项目语音合成语音识别跨模态AI音乐生成
本项目汇总了音频AI领域的精选资源,涵盖语音识别、合成、翻译等多个方向的前沿进展。定期更新最新论文和开源实现,为研究者和开发者提供全面了解音频AI发展的平台。内容包括主流大型音频模型、各应用领域技术及大规模数据集,是音频AI研究的重要参考资料。
ultimatevocalremovergui - 音频人声分离开源工具,支持多种AI模型
AI模型GithubUltimate Vocal Remover人声分离开源软件开源项目音频处理
Ultimate Vocal Remover GUI是一个开源的音频人声分离工具,采用先进的源分离模型从音频文件中提取人声。它集成了多种AI模型,包括开发者自训练模型和Demucs v3/v4模型。该工具支持Windows、MacOS和Linux平台,提供图形界面操作,支持GPU加速和多种音频格式。此外,它还具备时间拉伸和音调变换功能,适合音频处理爱好者使用。
RAVE - 高效的实时神经音频合成工具
GithubRAVE变分自编码器实时音频处理开源项目神经音频合成高质量音频
RAVE是一个高效的变分自动编码器,专为快速高质量的神经音频合成设计。支持Windows、Mac和Linux平台的RAVE VST版本,可应用于音乐表演和装置。提供详细教程和多种训练配置,包括数据增广选项。用户可以在Max/MSP或PureData中实时使用RAVE进行风格迁移和高层次操控。多个预训练模型可供下载,支持批量音频文件转换和实时嵌入式平台应用。
FastSpeech2 - 快速且高质量的端到端文本转语音
FastSpeech 2GithubMelGANNVIDIAPyTorch开源项目文本转语音
FastSpeech 2,面向精准快速的文本到语音转换,基于PyTorch与Espnet技术,配备Nvidia与MelGAN工具,极致优化语音生成效果,适合各类开发者利用和研究。
spear-tts-pytorch - Pytorch实现的多说话人文本转语音模型
GithubPyTorchSpear-TTS多说话人开源项目文本转语音注意力网络
Spear-TTS是一个基于Pytorch的多说话人文本转语音模型。该项目实现了高效的文本到语义转换,可用于SoundStorm项目的条件控制。Spear-TTS支持最小监督下的高保真语音合成,集成闪速注意力和推测性解码等技术,为TTS研究和开发提供了有力工具。
BS-RoFormer - 先进音乐源分离技术的开源实现
BS-RoFormerGithub人工智能开源项目深度学习音乐源分离音频处理
BS-RoFormer是一个开源的音乐源分离项目,实现了先进的注意力网络技术。该项目采用跨频率和时间的轴向注意力以及旋转位置编码,显著提高了分离效果。支持立体声训练和多声部输出,为音乐处理领域带来新的可能。项目提供了详细的使用说明和应用案例,适合研究者和开发者使用。
MusicGen AI - AI音乐创作工具
AI工具AI音乐生成MetaMusicGen深度学习音频处理
MusicGen是Meta开发的开源AI音乐生成工具,采用单一语言模型技术。它可基于文本、旋律或音频输入创作多样化音乐。支持旋律调节、文本条件生成等多种模式,训练数据涵盖20,000小时授权音乐。用户可通过Web界面使用MusicGen,灵活调整参数控制音乐生成。该工具为音乐创作领域带来新的可能性,推动AI音乐技术的发展。
whisper-timestamped - 多语言语音识别工具,支持单词时间戳和置信度评分
GithubOpenAIwhisper-timestamped信心评分开源项目时间戳语音识别
whisper-timestamped 是一个增强型多语言语音识别工具,基于 OpenAI 的 Whisper 模型,通过动态时间规整(DTW)技术预测单词时间戳,并附带置信度评分。该扩展兼容所有 Whisper 版本,优化内存使用,适用于处理长音频文件。此外,还支持在运行 Whisper 模型前进行语音活动检测(VAD),有效降低训练数据中的误差。whisper-timestamped 可提高识别准确度,尤其适用于包含语音卡顿或填充词的情景。
insanely-fast-whisper - 高效率开源语音转录命令行工具
AI模型CLI工具GithubWhisper开源项目性能优化语音转录
Insanely Fast Whisper是一款开源的高性能语音转录命令行工具,基于Transformers、Optimum和Flash Attention技术。该工具支持OpenAI的Whisper Large v3模型,能够在98秒内处理150分钟的音频。通过Flash Attention 2和批处理等优化,大幅提升了转录效率。适用于NVIDIA GPU和Mac设备,用户可通过简单的命令实现快速准确的音频转录。
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