项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 778
使用教程
环境要求
- Python 3.9+
- GPU
- 竞赛数据集
安装与启动步骤
-
1看是什么
Kaggle DLA 竞赛的官方基线代码汇总。
https://github.com/markovka17/dla -
2按年份看
每届的解法差异很大，先选对应年份。
ls -
3复现某一届
目录里有训练与推理脚本。
cd <year> && pip install -r requirements.txt -
4看数据准备
文档识别竞赛的关键在预处理。
读该目录下的 README
如何确认成功
能跑通一次训练并在本地验证集上得到合理分数。
注意事项
- 历史版本要看 Past Versions 一节，别拿旧代码配新数据。
- 竞赛代码重速度轻工程，别直接搬进生产。
- 后处理（如词典约束）往往比模型更影响分数。
核心亮点
- 覆盖语音识别、说话人验证、TTS等六大音频任务，一站式解决
- 基于Jupyter Notebook，交互式教程降低上手门槛
- 模块化设计，便于二次开发和集成到现有项目
不足之处
- 项目星标数较少，社区活跃度和维护情况待观察
- 文档和示例可能不够完善，需自行摸索
适用场景
- 学术研究：快速验证音频深度学习算法
- 智能语音应用开发：构建语音识别或合成系统
- 教学培训：作为音频深度学习的教学案例
替代项目
SpeechBrain、ESPnet、Kaldi
上一篇：M3-TTS
下一篇：teochew-g2p
同类项目推荐
CycleGAN-VC2
开源
无需平行语料，一键实现音色转换
Voice Conversion by CycleGAN (语音克隆/语音转换): CycleGAN-VC2
FlashSpeech
开源
一段参考音频，即刻克隆音色，快速生成自然语音。
ACM MM 2024 FlashSpeech: Efficient Zero-Shot Speech Synthesis
mandarin-tts
开源
用FastSpeech 2快速搭建中文语音合成，轻松生成普通话音频。
Chinese Mandarin tts text-to-speech 中文 (普通话) 语音 合成 , by fastspeech 2 , imp···
ace-step-ui
开源
本地无限量生成音乐，免费白嫖 Suno 同款
The Ultimate Open Source Suno Alternative - Professional UI for ACE-Step 1.5 AI Musi···
mlp-singer
开源
用纯MLP快速合成韩语歌声，告别慢速自回归。
Official implementation of MLP Singer: Towards Rapid Parallel Korean Singing Voice S···
TextSoundSaver
开源
Mac 上把文字一键变成语音，导出音频文件
Using the TextSoundSaver application, you can convert text into realistic synthesize···
fish-audio-hermes
开源
让 Hermes Agent 开口说话、听懂人话，还能克隆你的声音
Your Hermes agent speaks and listens with Fish Audio: expressive voices in 80+ langu···
vits_chinese
开源
中文语音合成更自然，支持流式输出，开箱即用
Best practice TTS based on BERT and VITS with some Natural Speech Features Of Micros···
alexandria-audiobook
开源
一句话把小说变成多角色有声书，克隆声音、逐行控风格
AI-powered multi-voice audiobook generator — LLM script annotation, voice cloning, ···