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
如何编写一个chrome插件实现多线程高速下载大文件?
cdn版本的vue在网页中出现typeerror错误无法找到错误代码位置怎么办?
pywebview能否使用webrtc远程控制共享桌面和摄像头?
pywebview6.0如何让窗体接受拖拽文件获取真实的文件路径?
如何在linux系统中同时能安装运行apk的安卓应用?
python有没有离线验证码识别ocr库?
各家的ai图生视频及文生视频的api价格谁最便宜?
openai、gemini、qwen3-vl、Doubao-Seed-1.6在ui截图视觉定位这款哪家更强更准?
如何在linux上创建一个沙箱隔离的目录让python使用?
pywebview如何使用浏览器自带语音识别与webspeech 的api?