parole-à-parole

Module de conversion parole-à-parole open source

Produit OrdinaireProgrammationReconnaissance vocaleTraitement du langage naturel

Parole-à-parole est un projet modulaire open source basé sur GPT4-o, qui réalise une conversion parole-à-parole grâce à une succession de parties : détection d'activité vocale, transcription vocale, modèle linguistique et synthèse vocale. Il utilise la librairie Transformers et les modèles disponibles sur Hugging Face Hub, offrant ainsi une modularité et une flexibilité élevées.

Best AI Websites & Tools

parole-à-parole

parole-à-parole Dernière situation du trafic

parole-à-parole Tendance des visites

parole-à-parole Distribution géographique des visites

parole-à-parole Sources de trafic

parole-à-parole Alternatives

OpenVoiceChat — Conversation vocale naturelle avec un grand modèle linguistique.

parole-à-parole — Module de conversion parole-à-parole open source

IndexTTS — Système texte-parole zéro-shot industriel, contrôlable et efficace

Deepgram Voice Agent API — API conversationnelle d'intelligence artificielle en temps réel, accessible en un clic.

Mini-Omni — Modèle linguistique large multimodale open source, prenant en charge la saisie vocale en temps réel et la sortie audio en streaming.

WeST — Transcription vocale basée sur un LLM, implémentée en 300 lignes de code.

FunAudioLLM — Modèle de base pour la compréhension et la génération de la parole en interaction naturelle

NeoBase — NeoBase est un assistant de base de données IA open source qui vous permet d'interagir avec votre base de données en langage naturel.

Instella — Instella est un modèle linguistique open source haute performance développé par AMD, conçu pour accélérer le développement des modèles linguistiques open source.

Migician — Migician est un grand modèle linguistique multimodale axé sur la localisation multi-images, capable de réaliser une localisation précise multi-images de forme libre.

bRAG-langchain — Un projet open source pour la construction d'applications de génération augmentée par la recherche (RAG).

Moonlight — Moonlight est un modèle d'expert mixte de 16 milliards de paramètres, entraîné avec l'optimiseur Muon, et offrant des performances exceptionnelles.

FireRedASR-AED-L — Modèle de reconnaissance automatique de la parole (RAP) industriel open source, prenant en charge le mandarin, les dialectes chinois et l'anglais, aux performances exceptionnelles.

FireRedASR — Modèle de reconnaissance automatique de la parole (RAP) en mandarin standard industriel open source, compatible avec de multiples scénarios d'application.

Orate — Orate est une boîte à outils d'IA axée sur la voix, prenant en charge la synthèse vocale (TTS) et la reconnaissance vocale (STT).

RAG-FiT — RAG-FiT est une bibliothèque conçue pour améliorer la capacité des grands modèles de langage (LLM) à exploiter des informations externes, en affinant les modèles sur un ensemble de données spécialement créé pour l'augmentation RAG.

s1-32B — s1 est un modèle d'inférence basé sur Qwen2.5-32B-Instruct, entraîné avec seulement 1000 exemples.

node-DeepResearch — Recherche et lecture continues de pages web jusqu'à ce que la réponse soit trouvée (ou jusqu'à épuisement du budget de jetons).

Tülu 3 405B — Tülu 3 405B est un modèle linguistique de grande envergure, open source, dont les performances ont été améliorées par apprentissage par renforcement.

Open R1 — Il s'agit d'un projet de reproduction d'un modèle DeepSeek-R1 entièrement open source, visant à aider les développeurs à reproduire et à construire des modèles basés sur R1.

Janus-Pro-1B — Janus-Pro-1B est un framework autorégressif unifié de compréhension et de génération multimodale.

SpeechGPT 2.0 - version préliminaire — Premier système d'interaction en temps réel de niveau humain axé sur l'intelligence contextuelle, prenant en charge l'interaction vocale multi-émotionnelle et multi-stylistique.

Baichuan-M1-14B — Modèle linguistique large open source développé par Baichuan Intelligence, optimisé pour les scénarios médicaux, offrant des capacités générales et des performances exceptionnelles dans le domaine médical.

DeepSeek-R1-Distill-Qwen-1.5B — DeepSeek-R1-Distill-Qwen-1.5B est un modèle linguistique open source performant pour l'inférence, adapté à diverses tâches de traitement du langage naturel.

kokoro-onnx — Projet de synthèse vocale (TTS) basé sur le runtime Kokoro et ONNX.

RealtimeSTT — Une bibliothèque robuste, efficace et à faible latence de conversion de la parole en texte, dotée d'une détection avancée d'activité vocale, d'une activation par mot de veille et d'une transcription instantanée.

Audiblez — Outil de conversion de livres électroniques en livres audio.

xiaozhi-esp32 — Projet de chatbot IA basé sur ESP32, capable de conversations multilingues et de reconnaissance vocale.

opensource_notebooklm — Une implémentation open source de NotebookLM, utilisant les technologies Deepseek-V3 et PlayHT TTS.

YuLan-Mini — Un modèle linguistique léger et performant de 240 millions de paramètres