fufuchiu/speechloom

fufuchiu/speechloom has 31 GitHub stars and 172 forks. Star changes are not measured yet. Last checked 2026-11-12 01:10 UTC. Last push 2026-10-01.

End-to-end speech model research: waveform encoding, causal decoding, codec tokens, joint losses and streaming.

Measured star growth

Net star changes over overlapping periods, not daily totals. Missing measurements are left blank. Stars measure attention, not software quality.

端到端语音模型研究工具：音频编码、因果解码、联合训练与流式协议。

Chen Yuxuan

历史说明：本仓库由经过验证的补丁序列重建；2025 年至 2026 年 8 月的 Git 时间戳用于展示项目演进，不代表代码实际开发日期。

python -m venv .venv
source .venv/bin/activate
pip install -e '.[dev]'

python -m speechloom tokenize '大学' --audio-codes 0,128,255
python examples/codec_roundtrip.py
python examples/stream_text.py

文本采用无损 UTF-8 byte token。音频码本分配独立 ID 区间，避免模态碰撞。训练时输出序列为 BOS + text + separator + audio_codes + EOS。

pip install torch --index-url https://download.pytorch.org/whl/cpu
python examples/train_tiny.py

提供可以训练的紧凑研究原型和完整数据链路。示例使用合成输入，验证损失下降、梯度和掩码正确性；不包含经过大规模训练的权重，也没有真实语料成绩声明。

python -m build
python -m pytest -q
ruff check .
ruff format --check .

MIT License · Chen Yuxuan