# 即時音頻處理

這是一個基於冪集編碼的說話人分割模型，能夠處理10秒音頻片段並識別多個說話人及其重疊情況。

基於pyannote/speaker-diarization-3.0修改的說話人分割模型，使用speechbrain/spkrec-ecapa-voxceleb進行說話人嵌入，在某些測試中表現更優

基於OpenAI Whisper Large V3 Turbo優化的俄語自動語音識別(ASR)模型，使用Mozilla Common Voice 17俄語數據集微調

基於DistilHuBERT在GTZAN音樂分類數據集上微調的音頻分類模型，準確率達83%

基於ECAPA-TDNN架構的預訓練模型，用於從人類語音中分類性別

Whisper 是一個多語言自動語音識別（ASR）系統，支持多種語言的語音轉文本任務。

基於OpenAI Whisper large-v3的日語優化版本，支持多語言語音識別

這是一個用於音頻處理的說話人分割模型，能夠檢測語音活動、重疊語音和多個說話人。

Whisper large-v3是OpenAI開發的大規模多語言自動語音識別(ASR)模型，支持多種語言的語音轉文字任務。

一個用於說話人分割的音頻處理模型，能夠自動檢測和分割音頻中的不同說話人。

這是一個基於冪集編碼的說話人分割模型，能夠處理10秒音頻片段並識別多個說話人及其重疊語音。

Sonic48k 是一個基於 RVC (Retrieval-based Voice Conversion) 技術的音頻轉音頻模型，主要用於語音轉換任務。

這是一個RVC（Retrieval-Based Voice Conversion）模型，用於音頻到音頻的轉換任務。

這是一個基於RVC (Retrieval-based Voice Conversion) 技術的語音轉換模型，經過200輪訓練，使用Crepe算法。

這是一個RVC（Retrieval-Based Voice Conversion）模型，用於音頻轉音頻任務，能夠實現聲音轉換。

這是一個基於RVC（Retrieval-based Voice Conversion）技術的語音轉換模型，能夠將輸入音頻轉換為特定風格的語音。

這是一個基於RVC（Retrieval-Based Voice Conversion）技術的語音轉換模型，能夠將輸入音頻轉換為荷馬·辛普森風格的聲音。

這是一個基於RVC（Retrieval-based Voice Conversion）技術的語音轉換模型，能夠將輸入音頻轉換為特定風格的語音。

這是一個基於RVC（Retrieval-Based Voice Conversion）技術的語音轉換模型，可以將輸入音頻轉換為貝吉塔（《龍珠》角色）的聲音。

這是一個基於RVC（Retrieval-Based Voice Conversion）技術的語音轉換模型，能夠將輸入音頻轉換為愛莉安娜·格蘭德風格的語音。

這是一個RVC（Retrieval-Based Voice Conversion）模型，用於音頻到音頻的轉換任務。

這是基於DistilHuBERT在GTZAN音樂分類數據集上微調的音頻分類模型，準確率達82%

這是OpenAI Whisper large-v2模型的CTranslate2轉換版本，用於高效語音識別

基於pyannote.audio 2.0的說話人分割模型，用於自動檢測音頻中的說話人變化和語音活動

基於wav2vec2架構的語音關鍵詞檢測模型，已通過Optimum OpenVINO進行量化優化

基於ESPnet框架訓練的語音增強模型，使用chime4數據集進行訓練，適用於單通道語音增強任務。

Facebook 發佈的基於 Wav2Vec2 架構的大規模意大利語自動語音識別模型，在 Common Voice 數據集上微調

Facebook 發佈的基於 Wav2Vec2 架構的大規模跨語言語音識別模型，專門針對西班牙語優化

基於Asteroid框架訓練的音頻分離模型，專門用於處理帶噪聲的多通道音頻信號分離任務

基於Asteroid框架訓練的ConvTasNet模型，用於單通道語音增強任務

該模型是一個基於遷移學習的阿拉伯語語音識別系統，專門用於識別古蘭經誦讀內容並定位到具體章節。