Idioma
InícioLinguagens
Seções
SGLang-Omni provides a specialized runtime for multi-stage inference of voice and multimodal models, handling the complex pipeline from audio encoding to speech synthesis.
GigaAM é uma família de modelos acústicos de código aberto da SberDevices que supera o Whisper no reconhecimento de fala russa. Veja o que ele pode fazer e como usá-lo.
Cansado de se afogar em cursos de redes neurais? Deep Learning Drizzle é uma coleção curada de cursos universitários e palestras dos principais laboratórios de IA do mundo—seu antídoto para tutoriais fragmentados do YouTube.
MLX-Audio brings lightning-fast TTS, STT, and STS capabilities to Apple Silicon Macs. Built on Apple's MLX framework, it offers Whisper, Kokoro, voice cloning, and more—all running locally without cloud costs.