Accueil Projets UniSpeech
UniSpeech
Python

UniSpeech

UniSpeech - Apprentissage auto-supervisé à grande échelle pour la parole

par microsoft · GitHub
Étoiles
Forks
Créé
Dernier commit
Catégorie
Langue
diarizationpytorchspeaker-verificationPython
Voir sur GitHub
En termes simples

En savoir plus sur le traitement de la parole auto-supervisé à grande échelle avec les modèles UniSpeech et leurs applications.

Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
UniSpeech — GitHub preview card
📈 Historique des étoiles
487486
2026-07-202026-08-31
📈 Suivez UniSpeech

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

UniSpeech - Apprentissage auto-supervisé à grande échelle pour la parole

UniSpeech compte 486 étoiles sur GitHub. Il a été forké 75 fois. UniSpeech est écrit principalement en Python. Il est développé activement depuis 2021. Ses principaux thèmes sont : diarization, pytorch, speaker-verification, speech.

Frequently asked questions

Qu'est-ce que UniSpeech ?

UniSpeech - Apprentissage auto-supervisé à grande échelle pour la parole

UniSpeech est-il open source ?

UniSpeech est un projet open source.

UniSpeech est-il gratuit ?

Oui. UniSpeech est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Dans quel langage UniSpeech est-il écrit ?

UniSpeech est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
olud.ai badge — UniSpeech

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=microsoft-unispeech)](https://olud.ai/project/microsoft-unispeech.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.