搜索结果：v（340 个）
按分类缩小范围
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。
Meshroom
综合 71
基于节点的三维重建可视化编程工具箱。
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。
VidBee
综合 70
支持从千余站点下载音视频，本地转写并标注说话人，结合 AI 实现总结、翻译及对话。
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。
HivisionIDPhotos
综合 70
轻量且高效的 AI 证件照制作工具与算法。
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。
peach
综合 70
本地优先的视频元数据刮削与媒体管理工具。
speechbrain
综合 70
基于 PyTorch 的开源全能语音处理工具包。
pixelfx （像素艺术特效代码库）
综合 70
包含 244 款纯代码像素特效与动画，可导出精灵图用于游戏引擎，并附带生成新特效的 Claude Code skill。
anatomy
综合 70
用于绘制现实机器与复杂系统等轴交互插图的 Agent 技能，支持导出带 WebGL 效果的 SVG。
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。
plotly.py
综合 69
面向 Python 的交互式图表与数据可视化库。
ViMax
综合 69
集导演、编剧、制片人和视频生成器于一体的 Agent 架构视频生成系统。
streamlink
综合 69
可将各大流媒体平台视频流直接传输至本地播放器的 CLI 命令行工具。
owncast
综合 69
开源自建视频直播服务，开箱即用，自带流媒体播放与互动聊天功能。