AI 研究技能与智能体

DuDE

penguinfish1688 · 工具包

根据 XML 脚本把两个人的对话生成为语音，有轮流发言、附和语和重叠说话，每位说话人一个声音。适合做对话音频的研究人员和开发者，仅限非商业使用。

ESPNet2 ASR Librispeech word vs bpe tokens

jkang · 工具包

在 Gradio 页面里比较同一套 ESPnet2 Conformer 方案的三个英语语音识别模型，分别用 bpe、字符和词单位，附带示例音频，适合语音研究人员和学生。

ESPNet2 ASR Librispeech Conformer (100h)

jkang · 工具包

在 Gradio 页面里用在 100 小时 Librispeech 上训练的 ESPnet2 Conformer 模型把英语语音转成文字，附带示例音频，适合语音研究人员和学生。

caramel-1

naklecha · 工具包

这是一个 413M 参数的语音到语音模型，只用对话录音训练，从未见过文本，能进行实时的你来我往。适合语音 AI 研究者和爱好者。

Belarusian AI models

Zhnivo · 工具包

一个可浏览的白俄罗斯语 AI 模型和 GitHub 代码清单，人工挑选，涵盖语音识别、语音合成、语言模型、翻译和 NLP。页面有英语和白俄罗斯语两种界面。

Belarusian datasets

Zhnivo · 工具包

一个可浏览的白俄罗斯语数据集和语料库清单，人工挑选，涵盖语音、文本、平行文本、基准、词典和 OCR。页面有英语和白俄罗斯语两种界面。

TTS Spaces Arena

Pendrokar · 工具包

TTS Arena v2 的代码库，一个 Gradio 应用，让你对 Hugging Face 上文字转语音模型的语音进行盲投。适合想用耳朵比较声音，或者自己运行一个竞技场的人。

Teochew Whisper

panlr · 工具包

一个 Gradio 演示，使用为潮州话微调过的 Whisper 语音模型，适合想在浏览器或自己电脑上试用这种汉语地方语言语音识别的人。

Open Universal Arabic Asr Leaderboard

msalhab96 · 工具包

在一个 Gradio 页面里，比较开源语音识别模型在阿拉伯语多种方言上的表现。适合挑选阿拉伯语语音转文字模型的研究人员和开发者。

Teacher in the Loop

MithrilMan · 工具包

在浏览器里完整运行从 Kokoro-82M 蒸馏出来的 8M 参数小型语音合成声音，并附有对比各训练方案的音频样本。

IPA Transcription Leaderboard

KoelLabs · 工具包

给把英语语音转成 IPA 音标的模型排名，评分基于母语、非母语和受损的语音。模型作者可以提交自己的模型，并跟踪评测进度。

OWSM v4

espnet · 工具包

用 Gradio 演示页在浏览器里对你给的音频运行 OWSM v4 开源语音模型，适合想试用或对比语音模型的人。

OWSM v4

espnet · 工具包

用 OWSM v4 模型转写语音、在语言之间翻译、识别说的是哪种语言并解码长录音，可选文字提示词。适合语音研究者和想测试多语言音频的人。

Speech analysis

audeering · 工具包

对一段语音录音运行 audEERING 的两个 wav2vec2 模型，一个判断情绪，一个估计年龄和性别，并自带四段示例音频。这是面向语音研究者的 Gradio 演示。非商用许可。

Vevo for Zero-shot VC, TTS, and More

amphion · 工具包

无需针对某个说话人训练，就能根据参考音频模仿声音，用于语音转换和文字转语音。这是 Amphion 项目里 Vevo 模型的演示，适合研究者和音频开发者。

Turkish ASR Leaderboard

EmreAkgul · 工具包

在一套 Google 测试数据集上，按基准测试和计时结果对比土耳其语语音转文字模型，帮你为土耳其语音频选一个语音识别模型。

Full Duplex Leaderboard

aufklarer · 工具包

用三个公开基准比较语音智能体：何时开口、该调用哪个工具，以及说话是否符合风格指令。适合构建或挑选语音智能体的团队。