3D-Speaker 这个项目可以实现,3D-Speaker 是一个开源工具包,用于单 modal 和多 modal 的扬声器验证、扬声器识别和扬声器分割。可以为每个人说话声音生成声纹。
该项目提供了多种预训练模型,并附有详细的安装和使用说明,支持多个数据集,如 3D-Speaker、VoxCeleb 和 CN-Celeb。
此外,还提供了语言识别和语音活动检测等功能的训练和推理配方,以及一个大规模的 3D-Speaker 语音语料库。
https://github.com/modelscope/3D-Speaker
网友回复
腾讯混元模型广场里都是混元模型的垂直小模型,如何api调用?
为啥所有的照片分辨率提升工具都会修改照片上的图案细节?
js如何在浏览器中将webm视频的声音分离为单独音频?
微信小程序如何播放第三方域名url的mp4视频?
ai多模态大模型能实时识别视频中的手语为文字吗?
如何远程调试别人的chrome浏览器获取调试信息?
为啥js打开新网页window.open设置窗口宽高无效?
浏览器中js的navigator.mediaDevices.getDisplayMedia屏幕录像无法录制SpeechSynthesisUtterance产生的说话声音?
js中mediaRecorder如何录制window.speechSynthesis声音音频并下载?
python如何直接获取抖音短视频的音频文件url?