Project Icon

SECap

语音情感转文字描述的开源AI系统

SECap是一个开源的语音情感描述生成系统,结合大语言模型技术将语音情感转化为文字描述。项目包含模型代码、训练测试脚本和600个音频样本的测试集。系统能捕捉语音情感特征并生成相应描述,为语音情感分析研究提供新的工具和思路。

CosyVoice - 提升智能语音体验的创新技术和多语言支持
CosyVoiceGithub在线演示多语言支持开源项目语音模型跨语言推理
CosyVoice是一个先进的多语言语音生成技术,致力于提升语音交互的流畅性和实时反馈。该项目支持广泛的语言,提供灵活的下载和安装选项,包括跨语言和指令式语音合成,满足不同用户需求。通过预训练模型和定制选项,用户可以实现从简短语句到完整语音输出的自然转换,优化整体交互体验。
Tarsier-7b - 开源大规模视频语言模型,提升视频描述和理解能力
GithubHuggingfaceTarsier人工智能开源项目机器学习模型视频描述计算机视觉
Tarsier-7b是一个开放源代码的视频语言模型,专注于视频描述和理解。该模型使用两阶段的训练策略以增强性能,能够生成高质量的视频描述。训练过程包括多任务预训练和多粒度微调,并通过多种数据集进行评估,从而保证出色性能。适合从事计算机视觉与自然语言处理研究的研究人员和爱好者使用,可在相关平台获取更多信息。
deepvoice3_pytorch - 基于卷积网络的文本到语音合成技术
DeepVoice3GithubPyTorch多说话者模型开源项目文本转语音预训练模型
DeepVoice3_pytorch是基于PyTorch的文本到语音深度学习平台,支持多语种和多数据集,包括英语、日语和韩语,适合多个说话者或单个说话者。项目提供预训练模型、音频样本、在线演示及详尽的训练指南,旨在简化用户的使用过程,并能灵活定制个性化的语音合成应用。
Seasalt.ai - AI全渠道客户交互平台
AI工具Seasalt.ai客户服务对话体验平台生成式AI语音识别
Seasalt.ai是一个集成生成式AI和高精度语音识别技术的对话体验平台。其产品线包括SeaX(消息和通话)、SeaChat(AI聊天)和SeaMeet(会议管理)等。该平台致力于帮助企业全面管理文本和语音对话,适用于营销、销售和客户服务等多个领域,支持多种通信渠道,旨在提升客户关系质量。
sentiment-roberta-large-english - RoBERTa微调的通用英文情感分析模型
GithubHuggingfaceRoBERTaSiEBERT开源项目情感分析机器学习模型自然语言处理
sentiment-roberta-large-english是一个基于RoBERTa-large的微调模型,用于英文文本的二元情感分析。该模型在15个不同来源的数据集上进行了训练和评估,提高了对各种文本类型的泛化能力。在新数据上,其表现优于仅在单一类型文本上训练的模型,平均准确率为93.2%。模型可通过Hugging Face pipeline快速部署,也可作为进一步微调的基础。
Deepgram Voice AI - 提供用于语音转文本、文本转语音和语言理解的 API的AI语音平台
AI工具AI模型AI音频Deepgram文本转语音热门语音AI语音转文本音频生成
Deepgram Voice AI平台,采用最新Nova-2语音识别模型,提供实时、高效和低成本的语音转文字与文字转语音APIs,适用于医疗转录、客户服务与媒体字幕制作等多种场景。
SEED-Story - 多模态长篇故事生成系统
GithubSEED-StoryStoryStream数据集图文一致性多模态故事生成大语言模型开源项目
SEED-Story是一种基于大型语言模型的多模态故事生成系统。该系统能够根据初始图像和文本,生成包含连贯叙事和风格一致图像的长篇故事,最多可达25个多模态序列。研究团队同时发布了StoryStream数据集,用于多模态故事生成模型的训练和评估。SEED-Story在图像风格一致性、故事吸引力和文图一致性方面表现优异,为多模态AI创作提供了新的可能性。
CapsFusion - 创新的大规模图像描述生成框架
CapsFusionGithub图像文本数据大型多模态模型大语言模型开源项目数据集
CapsFusion是一个用于生成高质量图像描述的创新框架。该项目结合大型语言模型,融合真实和合成图像-文本对,解决了大规模多模态模型训练中的可扩展性和知识保留问题。CapsFusion提供120M数据集、模型和分布式推理代码,为多模态预训练研究提供重要资源。
transcribe - 多语言实时转录和对话生成的开源工具
GithubOpenAITranscribe多语言支持安全功能实时转录开源项目
这个开源项目提供多语言实时转录,通过选择OpenAI GPT-4o、GPT-4、GPT-3.5等模型生成对话响应。软件具有最新的OpenAI库支持,无需Python依赖即可安装使用,并提供高安全性功能。支持麦克风和扬声器输入转换,用户可以定制提示、保存聊天记录,并可享受离线免费和在线付费的语音到文本转换服务。该工具在有GPU支持时性能最佳,并提供详细的安装指南和用户支持。
naturalspeech3_facodec - FACodec语音编解码器实现属性分解和零样本语音合成
FACodecGithubNaturalSpeech 3属性分解开源项目语音合成语音编解码
FACodec作为NaturalSpeech 3的核心组件,将语音波形转换为表示内容、韵律、音色和声学细节的解耦子空间,并能重建高质量语音。该技术简化了语音表示建模,支持多种TTS模型开发,还可实现零样本声音转换。FACodec为语音合成研究提供了强大的处理工具。
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