Project Icon

hf-seamless-m4t-medium

多语言翻译与语音识别的统一模型

SeamlessM4T是一款多语言模型,支持101种语言的语音输入、196种语言的文本处理和35种语言的语音输出。它能进行语音到语音、语音到文本、文本到语音及文本到文本的翻译。最新的SeamlessM4T v2在翻译质量和生成速度上均有改善,为需要高效语音处理和文本翻译的场景提供了解决方案。

MeloTTS-Spanish - 基于CPU实时推理的多语言文本转语音系统
GithubHuggingfaceMeloTTS人工智能多语言支持开源项目文字转语音模型语音合成
MeloTTS是一个开源的多语言文本转语音框架,支持英语(含美式、英式、印度、澳洲变体)、西班牙语、法语、中文、日语和韩语等语言转换。系统可在CPU环境下实现实时推理,其中中文模型支持中英混合输入。该框架提供Hugging Face在线体验和本地部署方案,采用MIT许可证发布。
MeloTTS-English - 多语言实时文本转语音开源库
GithubHuggingfaceMeloTTSMyShell.ai多语言支持实时推理开源项目文字转语音模型
MeloTTS是一个开源的多语言文本转语音库,支持英语(多种口音)、西班牙语、法语、中文、日语和韩语。该项目特点包括混合中英文处理、CPU实时推理,以及通过Python接口生成多种口音的语音文件。MeloTTS还提供语速调整和灵活的设备选择功能,是一个功能丰富的文本转语音解决方案,适用于各种应用场景。
metavoice-src - 1.2B参数开源TTS模型,支持情感语音合成和跨语言声音克隆
GithubMetaVoice-1BTTS开源开源项目情感语音语音克隆
MetaVoice-1B是一个开源的1.2B参数TTS模型,经过10万小时的语音训练,支持英语情感语音合成和零样本的美式和英式语音克隆(仅需30秒参考音频)。该模型还支持跨语言声音克隆和任意长度文本的语音合成。可通过云端或本地部署使用,并提供Hugging Face和Google Colab的演示。
madlad400-3b-mt - 多语言翻译模型,支持450+种语言的实时翻译
GithubHuggingfaceMADLAD-400T5模型多语言开源项目机器翻译模型语言模型
MADLAD-400-3B-MT是基于T5架构的多语言机器翻译模型,在1万亿个涵盖450多种语言的标记上训练而成。模型采用32层3B参数的共享架构,使用256k标记的Sentence Piece模型进行编解码。尽管规模较小,其翻译性能可媲美大型模型,特别适合处理低资源语言的自然语言任务。
t5_translate_en_ru_zh_small_1024 - 多语言T5机器翻译模型,支持中、俄、英文翻译
GithubHuggingfaceT5同步翻译多语言开源项目机器翻译模型翻译
该项目基于T5模型实现多语言翻译,支持中、俄、英语言的直接转换。输入文本前添加目标语言标识符即可进行翻译,无需指定源语言,能处理多语言内容。模型兼容GPU和CPU运行,提供个性化翻译体验。
mt5-small - 跨101种语言的预训练文本转换模型
GithubHuggingfacemT5多语言模型开源项目机器学习模型自然语言处理预训练模型
mt5-small是一个基于T5架构的多语言预训练模型,涵盖101种语言。该模型在mC4数据集上预训练,可应用于多种自然语言处理任务。mt5-small为多语言NLP研究提供了坚实基础,但需要针对特定任务进行微调才能发挥其全部潜力。这个开源项目为跨语言AI应用开发提供了重要工具。
mimi - 先进神经音频编解码器实现高效语音处理
GithubHuggingfaceKyutaiMimi开源项目模型神经网络语音处理音频编解码器
Mimi是Kyutai开发的先进音频神经编解码器,融合语义和声学信息,以12Hz速率和1.1kbps比特率处理音频。采用流式编码器-解码器架构和量化潜在空间,通过端到端训练。该模型适用于语音语言模型和文本到语音系统开发,提供高质量音频压缩和高效解码,支持实时语音信号处理。Mimi在语音处理领域展现出显著潜力,但应当避免用于不当目的。
StreamSpeech - 在线和实时翻译模型
GithubStreamSpeech多任务学习实时合成开源项目语音翻译语音识别
StreamSpeech通过一个整合的模型,在线和实时翻译中展现行业领先水平,支持多达8种包括语音识别和语音转换任务。提供Web GUI演示,允许用户在浏览器中直接体验。探索StreamSpeech的功能和实例。
MSMC-TTS - 多阶段多码本神经网络文本转语音系统
GithubMSMC-TTSVQ-VAE多阶段多码本开源项目神经网络TTS语音合成
MSMC-TTS是一个高性能神经网络文本转语音系统,基于多阶段多码本VQ-VAE技术。该系统集成了MSMC-VQ-VAE和HifiGAN,通过MSMC-VQ-GAN自编码器优化,并采用多阶段预测器作为声学模型。MSMC-TTS在标准和低资源语言的语音合成中表现优异,能够生成紧凑的语音表示和高质量的语音输出。项目提供了详细的训练、测试和推理指南,并包含针对MSMC-VQ-GAN和多阶段预测器的优化建议。
mbart-large-50-many-to-one-mmt - 支持50种语言直接互译的多语言机器翻译模型
GithubHugging FaceHuggingfacemBART-50多语言机器翻译开源项目模型神经网络模型自然语言处理
mbart-large-50-many-to-one-mmt是一个基于mBART-large-50微调的多语言机器翻译模型,支持50种语言之间的直接互译。该模型无需中间语言,使用简单,只需几行代码即可实现翻译。它在处理低资源语言和长文本方面表现优异,适用于跨语言交流和全球化业务场景。模型覆盖多个语系,包括印欧、亚非和阿尔泰语系等,为用户提供全面的多语言翻译解决方案。
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

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能,包括文生视频、动态画面和形象生成等,帮助用户快速上手,创造专业级内容。

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

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台,用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品,帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型,为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能,满足事务性工作的高频需求,帮助撰稿人节省精力,提高效率,优化工作与生活。

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

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