[B! speech-to-speech] arrowKatoのブックマーク

arrowKato id:arrowKato

speech-to-speechに関するarrowKatoのブックマーク (6)

ReazonSpeech - Reazon Human Interaction Lab
ReazonSpeech¶ ReazonSpeechは、世界最大のオープン日本語音声コーパスを構築するプロジェクトです。日本語音声技術の推進を目的として、35,000時間の日本語音声コーパスを公開しています。音声認識モデル・コーパス作成ライブラリをオープンソースライセンスで配布しています。
arrowKato 2025/05/19
世界最大のオープン日本語音声コーパスを構築するプロジェクトです。日本語音声技術の推進を目的として、35,000時間の日本語音声コーパスの公開。音声認識モデル・コーパス作成ライブラリをOSSで配布しています。

speech-to-speech
リンク
ArtificialAnalysis/big_bench_audio · Datasets at Hugging Face
arrowKato 2024/12/27
speech-to-speechのデータセット Big Bench Audio

評価

speech-to-speech
リンク
Evaluating Audio Reasoning with Big Bench Audio
arrowKato 2024/12/27
Big Bench Audioでの評価では、speech to speech のGPT-4o Realtime Preview は 66%、STT+LLM+TTSのようにわけると92%。Speech-to-Textは、OpenAIでは未計測。テキストから音声への構成は 74% で中間のパフォーマンス.つまり、分けたほうが精度が出る

評価

speech-to-speech
リンク
GitHub - TEN-framework/TEN-Agent: TEN Agent is a world-class multimodal AI agent integrated with the OpenAI Realtime API, RTC, and features weather checks, web search, vision, and RAG.
arrowKato 2024/11/27
ten-frameworkで、OpenAIのRealTimeAPIを含めたグラフ構造を定義できる例

Speech-to-Speech

Agent
リンク
LiveKit Docs
arrowKato 2024/10/04
OpenAIのrealitime apiとの連携用

realtime api

speech-to-speech
リンク
GitHub - huggingface/speech-to-speech: Speech To Speech: an effort for an open-sourced and modular GPT4-o
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
arrowKato 2024/08/26
speech-to-speech

sts
リンク
1

お知らせ

もっと読む

公式Twitter

@HatenaBookmark
リリース、障害情報などのサービスのお知らせ
@hatebu
最新の人気エントリーの配信

キーボードショートカット一覧

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

設定を変更しましたx