seed-tts-eval

Testsatz zur Evaluierung der Nullschuss-Sprachsynthesefähigkeit von Modellen

Normales ProduktOpen SourceSprachsyntheseAutomatische Spracherkennung

seed-tts-eval ist ein Testsatz zur Evaluierung der Nullschuss-Sprachsynthesefähigkeit von Modellen. Er bietet einen objektiven Evaluierungstest mit domänenübergreifenden Zielen und umfasst aus englischen und Mandarin-öffentlichen Korpora extrahierte Samples zur Messung der Modellleistung anhand verschiedener objektiver Kennzahlen. Er verwendet 1000 Samples aus dem Common Voice Datensatz und 2000 Samples aus dem DiDiSpeech-2 Datensatz.

Best AI Websites & Tools

seed-tts-eval

seed-tts-eval Neueste Verkehrssituation

seed-tts-eval Besuchstrend

seed-tts-eval Geografische Verteilung der Besuche

seed-tts-eval Traffic-Quellen

seed-tts-eval Alternativen

seed-tts-eval — Testsatz zur Evaluierung der Nullschuss-Sprachsynthesefähigkeit von Modellen

Spark-TTS — Spark-TTS ist ein effizientes, auf großen Sprachmodellen basierendes, einstromiges, entkoppeltes Sprachsynthesemodell.

Llasa — Ein auf dem Llama-Framework basierendes TTS-Basismodell, kompatibel mit 160.000 Stunden tokenisierter Sprachdaten.

Octave TTS — Octave TTS ist das erste Sprachsynthesemodell, das den Textinhalt versteht und emotionsgeladene und stilvolle Sprache generieren kann.

IndexTTS — Industrielles, steuerbares und effizientes Zero-Shot Text-to-Speech-System

XingSheng AI — XingSheng AI ist ein KI-Podcast-Generator, der aus beliebigen Inhalten KI-Podcasts erstellen kann.

Zonos-v0.1-hybrid — Zonos-v0.1-hybrid ist ein führendes Open-Source-Modell zur Text-zu-Sprache-Synthese, das hochwertige Sprachsynthesedienste bietet.

LLaSA_training — LLaSA: Erweiterung der Trainings- und Testzeit-Rechenleistung für die auf LLaMA basierende Sprachsynthese

PengChengStarling — PengChengStarling ist ein auf dem icefall-Projekt basierendes Toolkit zur Entwicklung mehrsprachiger automatischer Spracherkennung (ASR)-Modelle.

Llasa-1B — Llasa-1B ist ein auf LLaMA basierendes Text-to-Speech (TTS)-Modell, das die Sprachsynthese in Mandarin und Englisch unterstützt.

Llasa-3B — Llasa-3B ist ein auf LLaMA basierendes Text-to-Speech-Modell (TTS), das die Generierung von Sprache in Chinesisch und Englisch unterstützt.

AI ContentCraft — AI ContentCraft ist ein vielseitiges Werkzeug zur Content-Erstellung, das Textgenerierung, Sprachsynthese und Bildgenerierung vereint.

kokoro-onnx — Ein Text-zu-Sprache (TTS)-Projekt basierend auf Kokoro und der ONNX Runtime.

Audiblez — Ein Tool zur Umwandlung von E-Books in Hörbücher.

Kokoro-82M — Ein fortschrittliches Text-to-Speech (TTS)-Modell mit 82 Millionen Parametern.

BetterWhisperX — Automatische Spracherkennung mit wortzeitlicher Transkription und Sprechererkennung

Synthesys — KI-gestützte Plattform zur Inhaltserstellung, die Video-, Sprach- und Bildgenerierungsdienste anbietet.

OCTAVE — Sprachmodell der nächsten Generation mit der Fähigkeit zur sofortigen Erstellung von Stimmen und Persönlichkeiten.

Voxdazz — KI-basierter Promi-Stimme-Generator – verwandeln Sie Text in Sprache.

ElevenLabs Flash — Schnell generiertes, menschenähnliches TTS-Modell

Gemini 2.0 Flash Experimental — Von Google DeepMind entwickeltes Hochleistungs-KI-Modell

Moonshine Web — Echtzeit-Spracherkennungs-Anwendung im Browser

CosyVoice 2 — Skalierbare Streaming-Sprachsynthesetechnologie in Kombination mit großen Sprachmodellen.

CosyVoice Sprachgenerierungs-Großmodell 2.0-0.5B — Effizientes, mehrsprachiges Sprachsynthesemodell

GaussianSpeech — Audio-gesteuerte, hochauflösende 3D-Avatar-Synthesetechnologie mit Kopfmodellierung.

OuteTTS-0.2-500M — Hochleistungsfähiges Text-to-Speech-Modell

Whisper-NER-v1 — Ein fortschrittliches Modell, das automatische Sprachtranskription und Entitätserkennung kombiniert.

WhisperNER — Ein einheitliches, offenes Modell für die Benennung von Entitäten und die Spracherkennung

ClipTurbo — KI-gestütztes Videoerstellungstool zur Generierung hochwertiger Marketingvideos mit nur einem Klick.

OuteTTS — Ein experimentelles Text-zu-Sprache-Modell