kotoba-tech/kotoba-whisper-v1.0 · Hugging Face
","eos_token":"<|endoftext|>","pad_token":"<|endoftext|>","unk_token":"<|endoftext|>"}},"discussionsDisabled":false,"downloads":1177,"downloadsAllTime":1177,"id":"kotoba-tech/kotoba-whisper-v1.0","isLikedByUser":false,"isWatchedByUser":false,"inference":"Yes","lastModified":"2024-04-22T01:56:19.000Z","likes":27,"pipeline_tag":"automatic-speech-recognition","library_name":"transformers","librariesO
Vocoflex | Dreamtonics株式会社
Vocoflexは、Dreamtonicsの音声モーフィング技術研究により生まれた 実験的な製品です。
AI作曲サービスの新星「Udio」が誰でも利用可能に。Sunoを超えたか、試してみた（CloseBox） | テクノエッジ TechnoEdge
Suno対抗のAI作曲サービスとして前評判の高かったUdioがパブリックベータとして一般公開されました。
Lightning Whisper MLX
Lightning Whisper MLX An incredibly fast implementation of Whisper optimized for Apple Silicon. Results 10x faster than Whisper CPP, 4x faster than current MLX Whisper implementation. Features Batched Decoding -> Higher Throughput Distilled Models -> Faster Decoding (less layers) Quantized Models -> Faster Memory Movement Coming Soon: Speculative Decoding -> Faster Decoding with Assistant Model In
Shinnosuke Takamichi (高道 慎之介) - 東京大学を離れるにあたって
博士課程当時，研究職に就くつもりはありませんでした．理由は2つ． １つは，研究より教育が好きなこと．保育士や塾講師をやっていたこともあり，子どもたちが喜んでくれる職に就きたかったのです．今も，教育のコンテンツとして研究をやっています． もう1つは，単純に研究の才能を持たなかったこと．悲しい．研究をやっていく上では，様々な能力が必要とされます．いわゆる研究活動，広報活動，資金繰り活動あたりですかね．どれをとっても，まあ人並みの域を越えてない自覚がありました． D3当時，博士論文研究を辞めて自由に研究している時期でした．補足すると，D2終了時点で学位取得の見通しができたので，最後の1年は博士論文の研究をせず，自由研究で遊んでいました．で，ゆったり就職活動をやっていました．以下，その履歴です． 学振PD： (書類が面倒で) 出さなかった．結果論で就職できましたが，やっておくべきだった 企業・研究
mp3再生速度一括倍速変換フリーソフトAudacity！無料で保存可能 | アフィカツ｜共働きイクメンパパのブログで脱サラ物語
英語やビジネスなどの学習に mp3を使用している人は多いです。 そのmp3学習の効率を上げるために 倍速学習をおすすめします。 人それぞれ、仕事、家事、学校などがあり 限られた時間しか学習に使えません。 そんな時に mp3を倍速再生することによって 効率を2倍に上げることができます。 以下の記事で動画を倍速再生する フリーソフトを紹介しましたが、 関連記事→ 倍速再生ソフト(プレイヤー)で動画視聴！英語リスニングに効果的 今回はmp3(音声ファイル)の再生速度を 倍速に一括変換するフリーソフトを紹介します。 ※音程を変更せずに変換ができます。 mp3の再生速度を一括で倍速変換する おすすめのフリーソフトは「Audacity」です。 少し設定が必要になりますが、 この記事を確認しながら設定すれば問題ありません。 また、無料ソフトにも関わらず、 音声の録音や多彩な編集機能など 便利な機能が備わ
GitHub - collabora/WhisperSpeech: An Open Source text-to-speech system built by inverting Whisper.
If you have questions or you want to help you can find us in the #audio-generation channel on the LAION Discord server. An Open Source text-to-speech system built by inverting Whisper. Previously known as spear-tts-pytorch. We want this model to be like Stable Diffusion but for speech – both powerful and easily customizable. We are working only with properly licensed speech recordings and all the
【WhisperSpeech】Whisperがさらに高性能になった音声モデルを使ってエミネムにゆっくり喋らせてみた | WEEL
【WhisperSpeech】Whisperがさらに高性能になった音声モデルを使ってエミネムにゆっくり喋らせてみた 2024 2/20 WEELメディア事業部LLMリサーチャーの中田です。 1月18日、Whisperを利用したText-to-Speechモデル「WhisperSpeech」のアップデート版を、Collaboraが公開しました。 このAIモデルを用いることで、テキストを入力するだけで、簡単にそのテキストを（AIが）読み上げることができるんです、、、！ 参考：https://github.com/collabora/WhisperSpeech GitHubでのスター数は、すでに1700を超えており、期待度が高いことを示しています。 この記事ではWhisperSpeechの使い方や、有効性の検証まで行います。本記事を熟読することで、WhisperSpeechの凄さを実感し、そこら
【2023年版】python環境で利用できる日本語形態素解析ライブラリを比較してみた - Qiita
概要 趣味や業務でpython環境で自然言語処理のコードを書くことが多いが、 形態素解析（分かち書き）をしてくれるライブラリが多くてどれが最適か分からない とりあえず速度と分かち書きの性能を比較してみよう！！！ ※2023/11/17修正 遅延評価で実装されているライブラリを適切に評価できていなかったため検証方法を変更、それにともない結論を変更しています 結論 python上での形態素解析ライブラリは、 Vibratoが高速に実行可能 で、 Mecabの結果とvibratoの結果は参照する辞書が同じ場合大差がなかった。 そのため、速度を気にする処理を実装する場合はvibratoの利用を検討するべきと判断した。 python上での形態素解析ライブラリは、 JanomeとVibratoが高速に実行可能 で、 その2つの結果は参照する辞書が同じ場合大差がなかった。 個人的にはJanomeの関数の
（Style-)Bert-VITS2 JP-Extra (日本語特化版)について
宣伝 Style-Bert-VITS2のチュートリアル解説動画を作りました discordサーバー「AI声づくり研究会」によく出没しています 概要 2024-02-01、音声合成（TTS）の中国発オープンソースのBert-VITS2の日本語特化版のBert-VITS2 JP-Extra がリリースされ、私が作っているそれの改造版 Style-Bert-VITS2 でもJP-Extra版を2/3に使えるようになりました（しました）。 実際にどんな感じかは オンラインのデモ 上で試せるのでぜひお試しください。 これにより日本語の発音やアクセントやイントネーション等の自然性が上がり、クリアさや学習を回していったときのガタツキが大きく減る傾向があります。英語と中国語で音声合成したいという需要がなく日本語しか使わない場合はJP-Extra版を使うことを強くおすすめします。 本稿では、以前の の記事で
（Style-)Bert-VITS2の仕組み・構造と、バージョンによる違いについて
宣伝 Style-Bert-VITS2のチュートリアル解説動画を作りました discordサーバー「AI声づくり研究会」によく出没しています 注意 (2024-02-05) この記事は、Bert-VITS2の日本語特化版が出る以前のものについて解説しています。最新の日本語特化版については をご参照ください。 概要 テキストから感情豊かで自然な抑揚の音声を生成できるBert-VITS2には、新しいバージョンでも 2.1 2.2 2.3（最終バージョン） の3バージョンがあります。 また、バージョン2.1をベースにし、感情スタイル指定をちゃんと動くようにしようとして私がリリースしたStyle-Bert-VITS2もあります： それぞれのバージョンによってモデル構造が異なっており、どちらが良いとは一概には言えません。つまり2.3が2.1より必ずしも優れているとは言えない（逆もまた然り）です。 こ
ずんだもんが無料で使える、超高性能AIボイスチェンジャー、ParakeetVCが公開。1か月間は全キャラクタ、全機能が無料｜DTMステーション
自分の声をまったく別のキャラクタの声に変えることを実現するAIボイスチェンジャー。エフェクトを使って自分の声を加工する従来のボイスチェンジャーとは異なり、自分の声は完全に消えて、まったく別人になりきれるのが特徴で、これまでもVoidolやCoeFontボイスチェンジャーといったものを記事でも紹介してきたほか、中国系のフリーウェアでもかなりの精度を持ったものがいろいろ登場してきています。 そうした中、12月25日、まったく新たなAIボイスチェンジャー、Parakeet.VC（パラキート・ブイシー）が、福島県のベンチャー企業、Parakeet株式会社からリリースされました。ここには東北ずん子や東北きりたん、またずんだもんをはじめ、計109種類の声が収録されており、ユーザーはそれらを選んで、マイクで話せばリアルタイムにキャラクタの声に変換することが可能です。既存のAIボイスチェンジャーと比較して
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
「パパ、ママ、会いに来たよ」AIで死者を“復活” 中国で新ビジネスが論争に 「冒とく」か「心の救済」か | TBS NEWS DIG
HeyGen - AI Spokesperson Video Creator
espnet/yodas · Datasets at Hugging Face
GitHub - kotoba-tech/kotoba-speech-release
GitHub - nu-dialogue/real-persona-chat: RealPersonaChat: A Realistic Persona Chat Corpus with Interlocutors' Own Personalities
GitHub - CNChTu/FCPE
GitHub - r9y9/open_jtalk: A fork of open_jtalk
匿名プロ声優利用規約
