pytorch-kaldi
pytorch-kaldi es un proyecto para desarrollar sistemas de reconocimiento de voz híbridos DNN/RNN de última generación. La parte DNN es gestionada por pytorch, mientras que la extracción de características, el cálculo de etiquetas y la decodificación se realizan con el kit de herramientas kaldi.
Desarrollar sistemas de reconocimiento de voz que combinan aprendizaje profundo con técnicas tradicionales utilizando este kit de herramientas.
Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.
Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.
Gratis · sin tarjeta · cancela cuando quieraspytorch-kaldi es un proyecto para desarrollar sistemas de reconocimiento de voz híbridos DNN/RNN de última generación. La parte DNN es gestionada por pytorch, mientras que la extracción de características, el cálculo de etiquetas y la decodificación se realizan con el kit de herramientas kaldi.
pytorch-kaldi tiene 2.4k estrellas en GitHub. Se ha bifurcado 443 veces. pytorch-kaldi está escrito principalmente en Python. Se desarrolla activamente desde 2018. Sus temas principales son: asr, deep-learning, deep-neural-networks, dnn.
¿Qué es pytorch-kaldi?
pytorch-kaldi es un proyecto para desarrollar sistemas de reconocimiento de voz híbridos DNN/RNN de última generación. La parte DNN es gestionada por pytorch, mientras que la extracción de características, el cálculo de etiquetas y la decodificación se realizan con el kit de herramientas kaldi.
¿pytorch-kaldi es de código abierto?
pytorch-kaldi es un proyecto de código abierto.
¿pytorch-kaldi es gratis?
Sí. pytorch-kaldi es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
¿En qué lenguaje está escrito pytorch-kaldi?
pytorch-kaldi está escrito principalmente en Python.
Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.
[](https://olud.ai/project/mravanelli-pytorch-kaldi.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.