搜索结果：mod（73 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。
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。
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。
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。
ten-framework
综合 71
用于构建对话式语音 AI Agent 的开源框架。
TensorRT-LLM
综合 70
提供易用的 Python API，针对 NVIDIA GPU 优化 LLM 高效推理加速。
CosyVoice
综合 70
多语言大规模语音生成模型，提供涵盖推理、训练和部署的全栈能力。
Concat
综合 70
Beta 版：免费、开源、本地优先的跨平台视频编辑器，支持通过 JSON-RPC API 与 MCP 编写脚本。
speechbrain
综合 70
基于 PyTorch 的开源全能语音处理工具包。
ChatTTS
综合 69
专注于日常对话场景的生成式文本转语音（TTS）模型。
语义分割模型库，内置 500 多种基于卷积和 Transformer 的预训练骨干网络。
LTX-Video
综合 69
LTX-Video 视频生成模型的官方开源代码仓库。
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。
mediacms （开源视频媒体管理系统）
综合 67
MediaCMS 是一个开源的视频与媒体 CMS，支持自托管，用于管理和分享音视频内容。
dolphinscheduler
综合 67
现代化分布式数据编排平台，支持通过低代码敏捷创建高性能工作流。