ওপেন সোর্স। নতুন সম্ভাবনা।

Voicebox একটি ওপেন-সোর্স, লোকাল-ফার্স্ট এআই ভয়েস স্টুডিও যা ভয়েস ক্লোনিং, টেক্সট-টু-স্পিচ, গ্লোবাল ডিক্টেশন এবং এমসিপি-সচেতন টুলের মাধ্যমে এআই এজেন্টদের কথা বলার সুবিধা প্রদান করে।

Premove ITN একটি ওপেন-সোর্স, প্রসঙ্গ-সচেতন ইনভার্স টেক্সট নরমালাইজেশন টুল, যা ইংরেজি ভয়েস-এজেন্ট ট্রান্সক্রিপ্টের জন্য। এটি DeBERTa কনটেক্সচুয়াল স্কোরিং সহ জেনারেট-স্কোর-ডিকোড পাইপলাইন ব্যবহার করে কথ্য ASR আউটপুটকে ক্যানোনিকাল লিখিত ফর্মে রূপান্তর করে।

RunAnywhere হল ফোন, ব্রাউজার, ডেস্কটপ এবং সার্ভারে সমস্ত ডিভাইসে কাজ করার জন্য ক্রস-প্ল্যাটফর্ম SDK সিরিজ। এটি একটি সম্পূর্ণ সেমান্টিক API সহ LLM, ভিজন, স্পিচ, ভয়েস এজেন্ট, RAG, এম্বেডিং এবং ছবি জেনারেশন সমর্থন করে।

SenseVoiceSmall একটি ওপেন-সোর্স স্পিচ ফাউন্ডেশন মডেল যা ASR, ভাষা শনাক্তকরণ, আবেগ শনাক্তকরণ এবং অডিও ইভেন্ট সনাক্তকরণের জন্য ব্যবহৃত হয়। এটি ম্যান্ডারিন, ক্যান্টোনিজ, ইংরেজি, জাপানি এবং কোরিয়ান ভাষা সমর্থন করে এবং দ্রুত নন-অটোরিগ্রেসিভ ইনফারেন্স প্রদান করে।