Início Projetos LLaSA_training
LLaSA_training

LLaSA_training

por zhenye234 · GitHub

LLaSA: Escalando Computação em Tempo de Treinamento e Inferência para Síntese de Fala Baseada em LLaMA

Ver no GitHub
Em palavras simples

Gere fala a partir de texto usando um modelo projetado para aplicações multilíngues.

⭐ Estrelas
🍴 Forks
🔥 Tendências
📜 Licença
Licença não especificada
📅 Criado
🔄 Último commit
🏷️ Categoria
💻 Linguagem
🖥️ Auto-hospedável
Provável
Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
LLaSA_training — GitHub preview card
📈 Histórico de estrelas
661660
2026-07-202026-07-29
📈 Acompanhe LLaSA_training

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

LLaSA: Escalando Computação em Tempo de Treinamento e Inferência para Síntese de Fala Baseada em LLaMA

LLaSA_training tem 661 estrelas no GitHub. Foi bifurcado 49 vezes. LLaSA_training é escrito principalmente em Python. Está em desenvolvimento ativo desde 2025. Os seus principais temas são: llama, llm, text-to-speech, xcodec2.

Frequently asked questions

O que é LLaSA_training?

LLaSA: Escalando Computação em Tempo de Treinamento e Inferência para Síntese de Fala Baseada em LLaMA

LLaSA_training é de código aberto?

LLaSA_training é um projeto de código aberto.

LLaSA_training é gratuito?

Sim. LLaSA_training é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Em que linguagem LLaSA_training está escrito?

LLaSA_training é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
olud.ai badge — LLaSA_training

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=zhenye234-llasa-training)](https://olud.ai/project/zhenye234-llasa-training.html)
Mais opções de badge →
🧬 Partilha ADN com

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.