speechNVIDIA-NeMo
নতুনNVIDIA NeMo Speech হলো speech AI মডেল তৈরির Apache-2.0 PyTorch ফ্রেমওয়ার্ক। এটি ASR, TTS এবং Speech LLM সমর্থন করে, প্রি-ট্রেইন্ড checkpoint ও Docker/uv ইনস্টল পদ্ধতি অন্তর্ভুক্ত।
OPEN SOURCE, OPEN TO EVERYONE
ওপেন সোর্স। নতুন সম্ভাবনা।
মানসম্মত ওপেন-সোর্স প্রজেক্ট আবিষ্কার করুন, বেনামে প্রজেক্ট জমা দিন এবং নিজের প্রজেক্ট দাবি করে সম্পাদনা করুন।
✳সম্পাদকের পছন্দ · ভালো ওপেন সোর্স খুঁজুন4109আবিষ্কৃত
কৌতূহল নিয়ে ওপেন সোর্স আবিষ্কার করুন।
THE FIRST COLLECTIONTopic: deeplearning清除
deeplearning4jdeeplearning4j
নতুনEclipse Deeplearning4J (DL4J) হলো জাভা ভার্চুয়াল মেশিনের জন্য একটি ওপেন-সোর্স গভীর শিক্ষণ ইকোসিস্টেম, যা Java, Scala, Kotlin এবং অন্যান্য ভাষায় মডেল তৈরি ও প্রশিক্ষণে সহায়তা করে। এতে ND4J, SameDiff, DataVec ইত্যাদি অন্তর্ভুক্ত।
faceswapdeepfakes
নতুনFaceSwap একটি ওপেন-সোর্স পাইথন অ্যাপ্লিকেশন যা ডিপ লার্নিং ব্যবহার করে ছবি এবং ভিডিওতে মুখ বিনিময় করে। এতে কমান্ড-লাইন এবং গ্রাফিক্যাল ইন্টারফেস সাপোর্ট রয়েছে।
airsimmicrosoft
নতুনAirSim হলো মাইক্রোসফটের ড্রোন ও গাড়ির জন্য ওপেন-সোর্স সিমুলেটর, আনরিয়েল ইঞ্জিন প্লাগইন হিসেবে নির্মিত, সাথে পরীক্ষামূলক ইউনিটি রিলিজ। এটি PX4 ও ArduPilot-এর সাথে সফটওয়্যার- ও হার্ডওয়্যার-ইন-দ্য-লুপ সিমুলেশন এবং AI গবেষণার জন্য ক্রস-ল্যাঙ্গুয়েজ API সমর্থন করে।
voxcpmOpenBMB
নতুনVoxCPM2 হলো OpenBMB-এর একটি টোকেনাইজার-মুক্ত টেক্সট-টু-স্পিচ সিস্টেম যা ২ বিলিয়ন প্যারামিটারের ডিফিউশন অটোরেগ্রেসিভ মডেল ব্যবহার করে ৩০টি ভাষা, টেক্সট বর্ণনা থেকে ভয়েস ডিজাইন, নিয়ন্ত্রিত ভয়েস ক্লোনিং এবং ৪৮kHz অডিও আউটপুট সমর্থন করে।