2 Repos
Awesome GitHub RepositoriesAsynchronous Speech Processing
Capabilities for executing speech synthesis tasks in the background to prevent blocking the main application thread.
Distinct from Speech-to-Speech Models: None of the candidates cover asynchronous processing or threading for TTS; they focus on model types and translation.
Explore 2 awesome GitHub repositories matching software engineering & architecture · Asynchronous Speech Processing. Refine with filters or upvote what's useful.
Awesome Asynchronous Speech Processing GitHub Repositories
Finde die besten Repos mit KI.Wir suchen mit KI nach den am besten passenden Repositories.
- espeak-ng/espeak-ng
espeak-ng/espeak-ng
6,604Auf GitHub ansehenespeak-ng ist eine mehrsprachige Text-to-Speech-Engine und eine C-basierte Bibliothek, die geschriebenen Text in gesprochenes Audio über verschiedene Sprachen, Akzente und regionale Dialekte hinweg umwandelt. Sie fungiert sowohl als programmatische Schnittstelle zur Einbettung von Synthesefunktionen in externe Anwendungen als auch als phonetischer Textkonverter, der geschriebenen Text in Phonem-Codes übersetzt. Das System nutzt mehrere Synthesemethoden, einschließlich Formant-Synthese zur mathematischen Erzeugung von Vokalklängen und Diphon-Synthese zur Audioproduktion durch die Verkettung vorab aufgezeichneter phonetischer Segmente. Es enthält einen Sprachprozessor, der SSML- und HTML-Tags parsen kann, um Tonhöhe und Timing des Audios zu steuern. Die Engine bietet Tools für benutzerdefiniertes Voice-Design und die Anpassung der Sprachausprache durch Phonem-Übersetzungstabellen und Definitionsdateien. Sie unterstützt den Export von Audiodateien im WAV-Format, die Anpassung der Wiedergabegeschwindigkeit und die Generierung phonetischer Daten für linguistische Analysen. Eine Command Line Interface ist verfügbar, um die Sprachgenerierung auszulösen und Audioausgabeeinstellungen zu verwalten.
Executes speech generation commands in the background to prevent blocking the main application thread.
C - cbh123/narrator
cbh123/narrator
4,423Auf GitHub ansehenNarrator ist ein System der künstlichen Intelligenz, das Echtzeit-Video-Feeds in natürlichsprachliche Audiobeschreibungen umwandelt. Es fungiert als multimodaler Vision-Narrator und Szenenbeschreiber, der Computer Vision nutzt, um Umgebungsdaten von einer Kamera in synthetische Sprache zu transformieren. Das Tool arbeitet als Pipeline, die periodisch Bilder aus einem Feed erfasst und ein multimodales Large Language Model verwendet, um visuelle Ereignisse zu analysieren. Diese Analysen werden dann mittels Text-to-Speech-Synthese in ein Voiceover umgewandelt, das reale Aktivitäten und die Umgebung beschreibt. Das System unterstützt die automatisierte Umgebungsüberwachung und visuelle Unterstützung durch das Sampling von Kamerabildern und die Generierung gesprochener Beschreibungen der aktuellen Umgebung des Nutzers.
Implements an asynchronous pipeline to handle speech synthesis without blocking the visual capture stream.
Python
