Unduh All About Speech - All About Speech Source Code Download

All About Speech

Kode Sumber AI

1.0.0

Unduh

Semua Tentang Pidato

Repositori ini mengatur makalah, bahan pembelajaran, kode untuk tujuan memahami pidato. Ada repositori lain untuk mesin/pembelajaran mendalam di sini.

Ke dos:

mengatur bintang
Tambahkan lebih banyak makalah
- makalah untuk dibaca:
  1. Pidato = T: Transduser untuk TTS dan seterusnya

Tts

Tts
- DC-TTS [[kertas]] [pytorch] [TensorFlow]
- LightSpeech Microsoft [[kertas]] [kode]
- Pidato [[kertas]] [kode]
- Tacotron non-perhatian [kertas] [Pytorch]
- Parallel Tacotron 2 [[kertas]] [kode]
- FCL-TACO2: Versi cepat, terkontrol dan ringan dari TACOTRON2 [[kertas]] [kode]
- Transformer TTS: Sintesis Bicara Saraf dengan Transformer Network [[Paper]] [Code]
- Vits: Autoencoder variasional bersyarat dengan pembelajaran permusuhan untuk teks-ke-end-end-speech [[kertas]] [kode]
- Reformer-TTS (Adaptasi Reformator ke TTS) [Kode]
TT berbasis prompt (lihat [tautan])
Konversi Suara / Kloning Suara / Penataran Speaker
- Stargan-VC: Konversi suara banyak-ke-banyak non-paralel dengan jaringan permusuhan generatif bintang [[kertas]] [kode]
- Kloning suara saraf dengan beberapa sampel audio (baidu) [[kertas]] [kode]
- Perakitan: konversi suara yang realistis dengan mengumpulkan teknik sintesis ucapan modern [[kertas]] [kode]
- UNET-TTS: Meningkatkan speaker dan transfer gaya yang tak terlihat dalam kloning suara sekali pakai [kertas] [kode]
- FragmentVC: Konversi suara apa pun dengan mengekstraksi ujung ke ujung dan menggabungkan fragmen suara berbutir halus dengan perhatian [[kertas]] [kode]
- VectorquantizedCPC: Pengkodean prediktif kontras vektor untuk penemuan unit akustik dan konversi suara [[kertas]] [kode]
- Cotatron: Encoder ucapan yang dipandu transkripsi untuk konversi suara apa pun tanpa data paralel [[kertas]] [kode]
- Lagi-VC: Konversi suara satu-shot menggunakan panduan aktivasi dan normalisasi instance adaptif [[kertas]] [kode]
- AUTOVC: Transfer Gaya Suara Zero-Shot dengan hanya kehilangan autoencoder [[kertas]] [kode]
- SC-GLOWTTS: Model teks-ke-speech nol-shot yang efisien [kode]
- Deep Speaker: Sistem Embedding Neural Speaker End-to-End [[kertas]] [kode]
- VQMIVC: konversi suara satu-shot (any-to-any) [[kertas]] [kode]
Gaya (emosi, prosodi)
- Smart-TTS TTS emosional tunggal [kode]
- Transfer emosi speaker silang [[kertas]] [kode]
- Autopst: Transfer Gaya Ritme Global Tanpa Transkripsi Teks [[kertas]] [Kode]
- Mengubah spektrum dan prosodi untuk konversi suara emosional dengan data pelatihan non-paralel [[kertas]] [kode]
- Multi-Reference Neural TTS Stylization dengan konsistensi siklus permusuhan [[kertas]] [kode]
- Mempelajari representasi laten untuk kontrol gaya dan transfer dalam sintesis ucapan end-to-end (tacotron-vae) [[kertas]] [kode]
- Domain Waktu Transfer Gaya Audio Neural (NIPS 2017) [[kertas]] [kode]
- Meta-stylespeech dan stylespeech [[kertas]] [kode]
- Transfer emosi silang-speaker berdasarkan normalisasi lapisan Conditino speaker dan pelatihan semi-diawasi dalam teks-ke-speech [[kertas]] [kode]
Lintas-bahasa
- TTS Mengalukan Kode End-to-End dengan Model Bahasa Cross-Lingual
  - Mandarin dan Inggris
  - Cross-Lingual dan Multi-Speaker
  - Baseline: "Membangun sistem TTS saraf campuran dengan hanya data monolingual"
- Membangun sistem TTS saraf campuran dengan hanya data monolingual
- Transfer Pembelajaran, Kontrol Gaya, dan Kehilangan Rekonstruksi Speaker Untuk Teks Multi-Pembicaraan Multi-Pembicaraan Zero-Shot pada Bahasa Rendah Sumber Daya
  - memiliki banyak referensi yang bagus
- Menjelajahi Disentanglement dengan Multilingual dan Monolingual VAE [Kertas] [Kode]
Terkait musik
- Belajar keindahan dalam lagu: saraf nyanyian saraf beautifier (ACL 2022) [[kertas]] [kode]
- Pidato untuk Bernyanyi (interspeech 2020) [[kertas]] [kode]
- Diffsinger: Synthesis Suara Bernyanyi melalui Mekanisme Difusi Dangkal (AAAI 2022) [[kertas]] [kode]
- Jaringan Terjemahan Musik Universal (ICLR 2019)
- Jukebox: Model Generatif untuk Musik (OpenAi) [Kertas] [Kode]
Toolkit
- IMS Toucan Speech Sintesis Toolkit [kertas] [kode]
- Crepe Pitch Tracker [kode]
- PidatoBrain - Alat yang berguna untuk memfasilitasi penelitian wicara [kode]
Vocoders
Perhatian
- Perhatian Lokal [Kode]

Asr

Menuju pemahaman bahasa lisan ujung ke ujung

Klasifikasi Bicara, Deteksi, Filter, dll.

HTS-AT: Transformator audio token-semantik hierarki untuk klasifikasi dan deteksi suara [[kertas]] [kode]
Sistem voicefilter Google AI [[kertas]] [kode]
Peningkatan pengenalan emosi ucapan ujung ke ujung menggunakan mekanisme perhatian diri dan pembelajaran multitask (interspeech 2019) [[kertas]] [kode]
Pengenalan emosi multimodal dengan fusi fitur yang diawasi sendiri berbasis transformer [[kertas]] [kode]
Pengenalan Emosi dari Pidato Menggunakan WAV2VEC 2.0 Embeddings (interspeech 2021) [[kertas]] [kode]
Menjelajahi Fine-tuning WAV2VEC 2.0 untuk meningkatkan pengenalan emosi [[kertas]] [kode]
Memikirkan kembali model CNN untuk klasifikasi audio [[kertas]] [kode]
Pengenalan Emosi Berbasis EEG Menggunakan Sincnet [[kertas]] [kode]

Verifikasi Pembicara

Pooling silang untuk verifikasi speaker (IEEE SLT 2021) [[kertas]] [kode]

Ilmu bahasa

Kumpulan data

VGGSOUND: Dataset audio-visual skala besar [[kertas]] [kode]
CSS10: Kumpulan Datset Pidato Pembicara Tunggal untuk 10 Langauges [Kode]
IEMOCAP: 12 jam data audiovisual dengan 10 aktor pria dan wanita [Situs Web]
Voxceleb [repo]

Augmentasi data

Audiomen (Augmentasi Data Audio Cepat di Pytorch) [Kode]

Pelurus

Montreal memaksa Aligner

Untuk Korea [tautan]

Data (Pra) Pemrosesan / augmentasi

Pemrosesan Data (Pra)

Pengucapan dan Romanisasi Korea berdasarkan modul Wiktionary Ko-Pron Lua [kode]
Pemrosesan sinyal audio [kode]
Fitur fonologis (untuk kertas "Fitur fonologis untuk sintesis ucapan multibahasa 0-shot") [[kertas]] [kode]
Smart-G2P (Ubah Ekspresi Bahasa Inggris dan Kanji dalam kalimat Korea menjadi pengucapan Korea) [Kode]
Kakao Grapheme ke paket konversi fonem untuk "mandarin" [kode]
Alat Pidato Webaverse [kode]