w-okada のリポジトリ

Source code of APNet2, a vocoder

最終コミット 2023年11月23日

最終コミット 2019年3月18日

Using joint training speaker encoder with consistency loss to achieve cross-lingual voice conversion and expressive voice conversion

最終コミット 2023年10月16日

最終コミット 2023年6月13日

OneShot Learning-based hotword detection.

最終コミット 2024年9月12日

A Fundamental End-to-End Speech Recognition Toolkit and Open Source SOTA Pretrained Models, Supporting Speech Recognition, Voice Activity Detection, Text Post-processing etc.

最終コミット 2024年9月19日

1 min voice data can also be used to train a good TTS model! (few shot voice cloning)

最終コミット 2026年4月30日

最終コミット 2023年11月8日

Enhanced ChatGPT Clone: Features Agents, DeepSeek, Anthropic, AWS, OpenAI, Assistants API, Azure, Groq, o1, GPT-4o, Mistral, OpenRouter, Vertex AI, Gemini, Artifacts, AI model switching, message search, Code Interpreter, langchain, DALL-E-3, OpenAPI Actions, Functions, Secure Multi-User Auth, Presets, open-source for self-hosting. Active project.

最終コミット 2025年5月20日

AIを使ったリアルタイムボイスチェンジャー(client)

最終コミット 2023年2月10日

AIを使ったリアルタイムボイスチェンジャー(Trainer)

最終コミット 2022年12月9日

最終コミット 2023年8月10日

WinRTのGraphicsCaptureAPIでキャプチャしたウィンドウを仮想カメラとして映すサンプル

最終コミット 2022年2月17日

A repository for storing models that have been inter-converted between various frameworks. Supported frameworks are TensorFlow, PyTorch, ONNX, OpenVINO, TFJS, TFTRT, TensorFlowLite (Float32/16/INT8), EdgeTPU, CoreML.

最終コミット 2022年12月20日

最終コミット 2024年8月19日

Demo showcasing ~real-time Latent Consistency Model pipeline with Diffusers and a MJPEG stream server

最終コミット 2023年11月1日

最終コミット 2023年8月7日

Multilingual Voice Understanding Model

最終コミット 2024年9月2日

StyleTTS 2: Towards Human-Level Text-to-Speech through Style Diffusion and Adversarial Training with Large Speech Language Models

最終コミット 2024年3月7日

inverse kinematics for three.js

最終コミット 2022年5月9日