TS3AudioBot, Teamspeak 3高级 Musicbot TS3AudioBot主机开发 这里可以提供夜间构建： http://splamy.de/Nightly#ts3ab这是我们的开源 TeamSpeak 3 audiobot项目，因为目前还没有找到任何其他开源
2021-12-17 12:49:58
3.63MB
1
托福备考必备，写作和口语的指导教材。很有用
2021-12-11 06:21:43
3.53MB
1
多说话者语音的目标说话人提取和验证
此处的代码是说话人提取，其中鉴于目标说话人的特征，只会提取目标说话人的声音。 在论文2）中，我们使用小型网络从目标说话者的不同话语中共同学习目标说话者的特征。 您也可以使用i-vector或x-vector网络替换网络。
如果您对语音分离感兴趣，希望将所有说话者的声音都融入到混音中，请转到
文件
请引用：
徐成林，饶伟，肖雄，Ch昂崇和李海洲，“使用网格LSTM对单个通道语音进行分离，并限制了其对钢琴水平的渗透性，”，Proc。 见ICASSP 2018，第6-10页。
徐成林，饶伟，Ch昂崇和李海洲，“基于幅度和时间谱近似损失的说话人提取神经网络的优化”，Proc.Natl.Acad.Sci.USA。 见ICASSP 2019，第6990-6994页。
饶饶，徐成林，郑昂松和李海洲，“多说话者说话人验证的目标说话人提取”，Proc.Natl.A
2021-12-09 15:51:22
4.06MB
1
D向量
这是经过GE2E损失训练的扬声器嵌入的PyTorch实现。 有关GE2E丢失的原始文章可以在这里找到：
用法
import torch
import torchaudio
wav2mel = torch . jit . load ( "wav2mel.pt" )
dvector = torch . jit . load ( "dvector.pt" ). eval ()
wav_tensor , sample_rate = torchaudio . load ( "example.wav" )
mel_tensor = wav2mel ( wav_tensor , sample_rate ) # shape: (frames, mel_dim)
emb_tensor = dvector . embed_utterance ( mel_tensor ) # shape: (emb
2021-12-02 20:30:05
46KB
1
Text-To-Speech on the Web,meSpeak.js(speak.js增强版)是一个100%纯客户端JavaScript实现的TTS库,基于speak.js开发
2021-12-02 15:45:32
2.04MB
1