搜索结果：learning（23 个）
按分类缩小范围
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。
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。
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。
kornia
综合 71
面向空间 AI（Spatial AI）的微分几何计算机视觉库。
HivisionIDPhotos
综合 70
轻量且高效的 AI 证件照制作工具与算法。
speechbrain
综合 70
基于 PyTorch 的开源全能语音处理工具包。
spleeter
综合 69
Deezer 开源的源分离库，包含预训练模型。
RuView （WiFi空间感知与体征监测）
综合 68
RuView 无需摄像头画面，利用普通 WiFi 信号即可实现实时空间感知、人体存在检测以及呼吸心率等生命体征监测。
X-AnyLabeling
综合 68
轻量高效的跨平台桌面标注工具，支持文本、图像、视频、点云等多模态数据标注。
faster-whisper
综合 67
基于 CTranslate2 的高速 Whisper 转录工具。
labelme
综合 67
Python 图像标注工具，支持多边形、矩形等及 AI 辅助标注。
精选的人工智能（AI）优质课程、书籍、视频讲座与论文列表。
PaddleSpeech
综合 66
易用的语音工具包，包含 ASR、流式 TTS、声纹识别及端到端语音翻译等。
nerfstudio
综合 63
一个对协作友好的 NeRF（神经辐射场）开发平台。
caire
综合 63
基于内容感知的图像缩放库。
EasyOCR
综合 61
开箱即用的 OCR 库，支持中文、拉丁文等 80 多种语言及常见字体的文字识别。
tesseract.js
综合 60
纯 JavaScript 实现的 OCR 库，支持超过 100 种语言。
MockingBird
综合 54
仅需 5 秒即可克隆声音，并实时生成任意语音的开源工具。
整理了各类计算机科学（CS）视频讲座的精品课程列表。