Home Progetti LLaSA_training
LLaSA_training

LLaSA_training

di zhenye234 · GitHub

LLaSA: Scalare il Calcolo durante l'Addestramento e l'Inferenza per la Sintesi Vocale Basata su LLaMA

Visualizza su GitHub
In parole semplici

Genera discorsi da testo utilizzando un modello progettato per applicazioni multilingue.

⭐ Stelle
🍴 Fork
🔥 Tendenze
📜 Licenza
Licenza non specificata
📅 Creato
🔄 Ultimo commit
🏷️ Categoria
💻 Lingua
🖥️ Auto-ospitato
Probabile
Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
LLaSA_training — GitHub preview card
📈 Storia delle stelle
661660
2026-07-202026-07-29
📈 Segui LLaSA_training

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

LLaSA: Scalare il Calcolo durante l'Addestramento e l'Inferenza per la Sintesi Vocale Basata su LLaMA

LLaSA_training ha 661 stelle su GitHub. È stato forkato 49 volte. LLaSA_training è scritto principalmente in Python. È in sviluppo attivo dal 2025. I suoi temi principali sono: llama, llm, text-to-speech, xcodec2.

Frequently asked questions

Che cos'è LLaSA_training?

LLaSA: Scalare il Calcolo durante l'Addestramento e l'Inferenza per la Sintesi Vocale Basata su LLaMA

LLaSA_training è open source?

LLaSA_training è un progetto open source.

LLaSA_training è gratuito?

Sì. LLaSA_training è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

In quale linguaggio è scritto LLaSA_training?

LLaSA_training è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
olud.ai badge — LLaSA_training

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![olud.ai](https://olud.ai/badge.php?tool=zhenye234-llasa-training)](https://olud.ai/project/zhenye234-llasa-training.html)
Altre opzioni di badge →
🧬 Condivide il DNA con

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.