搜索结果：ai（127 个）
按分类缩小范围
FunASR
综合 80
支持训练、推理、流式 ASR、VAD、标点恢复及 OpenAI/MCP 兼容服务的开源语音识别工具包。
voltagent
综合 80
基于开源 TypeScript AI Agent 框架构建的 AI Agent 工程化平台。
YuE
综合 80
前沿音乐生成模型，支持符号规划、零样本翻唱与 Agent 式音乐编辑。
OpenCreator
综合 79
原名 KrillinAI，支持 120+ 语言的视频翻译与配音工具，面向创作者的开源 AI 工作台。
cvat
综合 78
支持图像、视频、音频和 3D 数据集的标注平台，提供 AI 辅助标注及协作管理功能。
agents
综合 78
用于构建实时语音 AI Agent（智能体）的开发框架。
Toonflow-app
综合 77
开源短剧与漫剧创作平台，集成剧本分镜、资产管理、图影生成，支持无限画布、Agent 与本地部署。
video-shotcraft
综合 77
用于 Claude Code 和 Codex 的 AI 视频技能，基于 Remotion 制作可编辑宣传片，支持联动剪映。
speech-to-speech
综合 76
基于开源模型构建语音智能体（Voice Agent）的开发库。
datasets
综合 76
汇聚海量 AI 模型开箱即用数据集的枢纽，并提供快速、易用且高效的数据处理工具。
img2threejs
综合 75
将参考图像重建为纯代码、支持动画的 Three.js 模型的轻量高效图像转 3D 工具。
rea-video （视频分镜逆向拆解与复刻）
综合 74
一款视频逆向分析工具，逐镜头拆解是实拍、AI生成还是代码制作，并提供复刻思路。
VideoLingo
综合 74
全自动 AI 视频字幕组工具，支持高质量字幕切割、翻译、对齐以及自动配音。
editor
综合 73
面向 AECO 与 scan-to-BIM 的开源 3D 建筑设计软件，支持浏览器端与 MCP。
PaddleOCR （飞桨多语言OCR工具库）
综合 72
轻量且功能强大的 OCR 工具包，将 PDF 和图片文档转换为供 LLM 使用的结构化数据，支持超 100 种语言。
WhisperLiveKit
综合 72
本地实时流式语音转文字工具，支持说话人分离、翻译及兼容 OpenAI 的 API。
Speech
综合 72
NVIDIA 的生成式 AI 框架，专为大语言模型、多模态及语音 AI（ASR 与 TTS）研究与开发打造。
openwhispr
综合 71
跨平台语音转文字应用，支持本地模型（Whisper 等）与云端模型，注重隐私保护。
kornia
综合 71
面向空间 AI（Spatial AI）的微分几何计算机视觉库。
ten-framework
综合 71
用于构建对话式语音 AI Agent 的开源框架。