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
有没有不依赖embedding向量的RAG技术?
有没有支持实时打断语音通话并后台帮你执行任何的ai模型?
开源ai大模型文件格式GGUF、MLX、Safetensors、 ONNX 有什么区别?
出海挣钱支付收款PayPal、Wise 、PingPong、Stripe如何选择?
如何实现类似google的图片隐形水印添加和识别技术?
linux上如何运行任意windows程序?
ai能写出比黑客还厉害的零日漏洞等攻击工具攻击任意软件系统工程?
js如何获取浏览器的音频上下文指纹、Canvas指纹、WebGL渲染特征?
为啥ai开始抛弃markdown文本,重新偏好html文本了?
网站有没有办法鉴别访问请求是由ai操控chrome-devtools-mcp发出的?


