Startseite Projekte Tacotron-2
Tacotron-2
Python

Tacotron-2

DeepMinds Tacotron-2 Tensorflow-Implementierung

von Rayhane-mamah · GitHub
Sterne
Forks
Lizenz
Erstellt
Letzter Commit
Kategorie
Sprache
paperpythonspeech-synthesisMITPython
Auf GitHub ansehen
In einfachen Worten

Synthesizieren Sie Sprache mit einem neuronalen Netzwerkmodell basierend auf der Forschung von DeepMind.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
Tacotron-2 — GitHub preview card
📈 Sternhistorie
2 3232 322
2026-07-072026-08-31
📈 Tacotron-2 verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

DeepMinds Tacotron-2 Tensorflow-Implementierung

Tacotron-2 hat 2.3k Sterne auf GitHub. Es wurde 899-mal geforkt. Tacotron-2 ist hauptsächlich in Python geschrieben. Es wird seit 2017 aktiv entwickelt. Tacotron-2 ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: paper, python, speech-synthesis, tacotron.

Frequently asked questions

Was ist Tacotron-2?

DeepMinds Tacotron-2 Tensorflow-Implementierung

Ist Tacotron-2 Open Source?

Tacotron-2 ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.

Ist Tacotron-2 kostenlos?

Ja. Tacotron-2 ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht Tacotron-2?

Tacotron-2 ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist Tacotron-2 geschrieben?

Tacotron-2 ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — Tacotron-2

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=rayhane-mamah-tacotron-2)](https://olud.ai/project/rayhane-mamah-tacotron-2.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.