OpenAI が公開した汎用の音声認識モデル。多言語の文字起こしと翻訳に対応。
NeMo
A scalable generative AI framework built for researchers and developers working on Large Language Models, Multimodal, and Speech AI (Automatic Speech Recognition and Text-to-Speech)
- カテゴリ
- 🎙️ 音声とオーディオ
- リポジトリ
- NVIDIA-NeMo/Speech
- スター
- ★ 18,591
- フォーク
- 3,649
- 言語
- Python
- ライセンス
- Apache-2.0
- 最終更新
- 2026-10-16
- アクセス数
- 0
TTS
関連プロジェクト
数秒から 1 分の音声だけで声をクローンして音声合成できる TTS ツール。
通义实验室的多语言语音合成大模型，支持零样本音色克隆。
VoiceStudio is the open-source, fully-local ElevenLabs alternative — voice cloning, voice design, video dubbing, dictation, transcription & audiobook creation in 646 languages.
The open-source AI voice studio. Clone, dictate, create.
Open-Source Frontier Voice AI