Saltar al contenido principal
ToolPotion
Asesor de IA
Enviar

VibeVoice

VibeVoice es un proyecto de inteligencia artificial de voz de código abierto desarrollado por Microsoft, disponible en GitHub. Proporciona capacidades avanzadas para la inteligencia artificial de voz, incluyendo inferencia ASR en streaming y entornos unificados para TTS y ASR. El repositorio se mantiene activamente con recientes commits centrados en actualizaciones arquitectónicas y documentación, invitando a contribuciones de la comunidad de desarrolladores.

Ver repositorio
Compartir
Ver repositorio
Compartir

VibeVoice es un proyecto de código abierto de Microsoft, alojado en GitHub, que se centra en tecnologías de inteligencia artificial de voz de vanguardia. El repositorio proporciona una plataforma para que desarrolladores e investigadores exploren y contribuyan a los avances en inteligencia artificial de voz. Incluye varios componentes, como figuras, demostraciones, documentación y módulos específicos para el ajuste fino de sistemas de Reconocimiento Automático de Voz (ASR) y Texto a Voz (TTS).

Leer más

El proyecto enfatiza un entorno unificado tanto para TTS como para ASR, con el objetivo de simplificar los procesos de desarrollo e integración. Las actualizaciones recientes destacan la mejora continua, como las mejoras arquitectónicas para ASR y la adición de capacidades de inferencia ASR en streaming. La documentación se refina regularmente, con esfuerzos para eliminar la obtención de URL de audio remoto de ASR en streaming para garantizar operaciones más robustas y autónomas.

VibeVoice está diseñado para ser un esfuerzo colaborativo, como lo indica su naturaleza de código abierto y la presencia de una guía CONTRIBUTING.md. El proyecto mantiene una licencia clara, asegurando un uso y distribución adecuados. También incluye pautas de seguridad (SECURITY.md) para promover prácticas de desarrollo responsables. La actividad del repositorio, con commits frecuentes y un equipo dedicado de colaboradores, significa un compromiso continuo con el avance de la investigación y aplicación de la inteligencia artificial de voz.

Dirigido a desarrolladores, investigadores y entusiastas de la IA, VibeVoice ofrece una base de código fundamental para construir y experimentar con tecnologías de voz de vanguardia. Su estructura, que incluye carpetas dedicadas para pruebas y componentes centrales de `vibevoice`, apoya el desarrollo modular y pruebas rigurosas. El compromiso del proyecto con estándares abiertos y la participación de la comunidad lo posiciona como un recurso valioso en el paisaje en evolución de la inteligencia artificial de voz.

  • CategoríaModelos de IA y LLM
  • Modelo de preciosCódigo abierto
  • ImplementaciónNube
  • PlataformasWeb

  • Proyecto de IA de voz de código abierto

  • Entorno unificado para TTS y ASR

  • Inferencia de Reconocimiento Automático de Voz (ASR) en streaming

  • Actualizaciones de arquitectura ASR

  • Capacidades de Texto a Voz (TTS)

  • Documentación completa

  • Desarrollo activo y contribuciones

  • Licencia clara (LICENSE)

  • Pautas de seguridad (SECURITY.md)

  • Requisito de Python 3.10+

  • Base de código modular

  • Pautas de contribución de la comunidad

  1. Explorar el repositorio: Navega por el repositorio de GitHub para entender la estructura del proyecto y los componentes disponibles.

  2. Revisar la documentación: Lee el README.md y la carpeta de docs para obtener una visión general y guías detalladas.

  3. Instalar dependencias: Configura tu entorno con Python 3.10 o superior y las bibliotecas necesarias según lo especificado en pyproject.toml.

  4. Clonar el repositorio: Usa Git para clonar el repositorio de VibeVoice en tu máquina local.

  5. Experimentar con demostraciones: Ejecuta los scripts de demostración proporcionados para experimentar la inferencia ASR en streaming.

  6. Contribuir código: Sigue las pautas de CONTRIBUTING.md para enviar correcciones de errores, características o mejoras.

  • Desarrollo de sistemas ASR
  • Implementación de IA de voz en streaming
  • Investigación en Texto a Voz
  • Experimentación con IA de voz
  • Proyectos educativos de IA

Herramientas de IA populares como VibeVoice

Voicebox

Repositorios de IA en GitHub

Voicebox es un estudio de voz AI de código abierto que permite a los usuarios clonar, dictar y crear proyectos de voz. Proporciona una plataforma para la síntesis y manipulación…

Modelos de IA y LLM
Ver herramienta

Repositorios de IA en GitHub

Estudio de voz AI de código abierto que permite a los usuarios clonar, dictar y crear proyectos de voz. Proporciona una plataforma para la síntesis y manipulación…Voicebox es un estudio de voz AI de código abierto que permite a los usuarios clonar, dictar y crear proyectos de voz. Proporciona una plataforma para la síntesis y manipulación…

Modelos de IA y LLM
Ver el Top 250 de Repositorios de IA en GitHub

FunASR

Repositorios de IA en GitHub

FunASR es un kit de herramientas de reconocimiento de voz de código abierto diseñado para el entrenamiento, la inferencia y el ASR en streaming. Soporta VAD, puntuación,…

Herramientas de transcripción con IA

N.º 110 en Repositorios de IA en GitHub

Ver herramienta

Repositorios de IA en GitHub

Kit de herramientas de reconocimiento de voz de código abierto diseñado para el entrenamiento, la inferencia y el ASR en streaming. Soporta VAD, puntuación,…FunASR es un kit de herramientas de reconocimiento de voz de código abierto diseñado para el entrenamiento, la inferencia y el ASR en streaming. Soporta VAD, puntuación,…

Herramientas de transcripción con IA
N.º 110 en Repositorios de IA en GitHub

ESPnet

Repositorios de IA en GitHub

ESPnet es un kit de herramientas de código abierto para el procesamiento de voz de extremo a extremo. Proporciona recetas y herramientas completas para tareas como Reconocimiento…

Modelos de IA y LLM
Ver herramienta

Repositorios de IA en GitHub

Kit de herramientas de código abierto para el procesamiento de voz de extremo a extremo. Proporciona recetas y herramientas completas para tareas como Reconocimiento…ESPnet es un kit de herramientas de código abierto para el procesamiento de voz de extremo a extremo. Proporciona recetas y herramientas completas para tareas como Reconocimiento…

Modelos de IA y LLM
Ver el Top 250 de Repositorios de IA en GitHub

Whisper Diarization

Repositorios de IA en GitHub

Whisper Diarization es un proyecto de GitHub que combina el reconocimiento automático de voz con la diarización de hablantes utilizando OpenAI Whisper. Permite a los usuarios…

Herramientas de transcripción con IA
Ver herramienta

Repositorios de IA en GitHub

Proyecto de GitHub que combina el reconocimiento automático de voz con la diarización de hablantes utilizando OpenAI Whisper. Permite a los usuarios…Whisper Diarization es un proyecto de GitHub que combina el reconocimiento automático de voz con la diarización de hablantes utilizando OpenAI Whisper. Permite a los usuarios…

Herramientas de transcripción con IA
Ver el Top 250 de Repositorios de IA en GitHub

SpeechBrain

Repositorios de IA en GitHub

SpeechBrain es un kit de herramientas de código abierto para tareas de procesamiento de voz, construido sobre PyTorch. Soporta diversas aplicaciones como reconocimiento de voz,…

Generadores de voz con IA
Ver herramienta

Repositorios de IA en GitHub

Kit de herramientas de código abierto para tareas de procesamiento de voz, construido sobre PyTorch. Soporta diversas aplicaciones como reconocimiento de voz,…SpeechBrain es un kit de herramientas de código abierto para tareas de procesamiento de voz, construido sobre PyTorch. Soporta diversas aplicaciones como reconocimiento de voz,…

Generadores de voz con IA
Ver el Top 250 de Repositorios de IA en GitHub

Sherpa-ONNX

Repositorios de IA en GitHub

Sherpa-ONNX es un proyecto de código abierto que ofrece conversión de voz a texto, síntesis de texto a voz, diarización de hablantes y más, utilizando Kaldi con onnxruntime.…

Herramientas de procesamiento del lenguaje natural

N.º 58 en Texto a voz

Ver herramienta

Repositorios de IA en GitHub

Proyecto de código abierto que ofrece conversión de voz a texto, síntesis de texto a voz, diarización de hablantes y más, utilizando Kaldi con onnxruntime.…Sherpa-ONNX es un proyecto de código abierto que ofrece conversión de voz a texto, síntesis de texto a voz, diarización de hablantes y más, utilizando Kaldi con onnxruntime.…

Herramientas de procesamiento del lenguaje natural
N.º 58 en Texto a voz

openclaude

Repositorios de IA en GitHub

OpenClaude es un proyecto de IA versátil alojado en GitHub, diseñado para funcionar en diversas plataformas y utilizar recursos variados. Fomenta las contribuciones de la…

Modelos de IA y LLM
Ver herramienta

Repositorios de IA en GitHub

Proyecto de IA versátil alojado en GitHub, diseñado para funcionar en diversas plataformas y utilizar recursos variados. Fomenta las contribuciones de la…OpenClaude es un proyecto de IA versátil alojado en GitHub, diseñado para funcionar en diversas plataformas y utilizar recursos variados. Fomenta las contribuciones de la…

Modelos de IA y LLM
Ver el Top 250 de Repositorios de IA en GitHub

Sesame CSM

Repositorios de IA en GitHub

Sesame CSM es un modelo de generación de voz conversacional diseñado para mejorar las capacidades de síntesis de voz. Permite a los desarrolladores contribuir a su desarrollo en…

Modelos de IA y LLM
Ver herramienta

Repositorios de IA en GitHub

Modelo de generación de voz conversacional diseñado para mejorar las capacidades de síntesis de voz. Permite a los desarrolladores contribuir a su desarrollo en…Sesame CSM es un modelo de generación de voz conversacional diseñado para mejorar las capacidades de síntesis de voz. Permite a los desarrolladores contribuir a su desarrollo en…

Modelos de IA y LLM
Ver el Top 250 de Repositorios de IA en GitHub
1 de 8