搜索结果：python（125 个）
按分类缩小范围
chatterbox
商机 63
达到前沿（SOTA）水平的开源文本转语音（TTS）模型。
surya
商机 63
支持 90 多种语言的 OCR、版面分析、阅读顺序检测与表格识别工具。
Wan2.1
商机 63
开源且先进的大规模视频生成模型。
voicebox
商机 63
开源 AI 语音工作站，支持声音克隆、听写与音频创作。
whisperX
商机 62
具备词级时间戳和说话人日志（Diarization）功能的自动语音识别工具。
EasyOCR
商机 62
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。
metube
商机 62
基于 yt-dlp 的 Web UI 视频下载工具，支持自建，可下载 YouTube 等多平台视频。
olmocr
商机 62
用于将 PDF 转换为线性文本的工具包，专为 LLM 训练和数据集构建设计。
pdf-inspector
商机 62
高性能 Rust 库，用于 PDF 检测、分类与文本提取，可智能区分扫描版与文本版 PDF 以辅助路由。
LivePortrait
商机 62
让静态肖像生动起来的动态生成项目。
HunyuanVideo
商机 61
混元视频：腾讯开源的系统化大规模视频生成模型框架。
blind_watermark
商机 61
图片盲水印工具，添加隐形水印且提取时无需对比原图。
ultimatevocalremovergui
商机 61
基于深度神经网络的音频人声伴奏分离工具图形界面（GUI）。
基于检索的声音转换 WebUI，使用 10 分钟以内的音频数据即可轻松训练优质变声模型。
lingbot-map
商机 60
用于流式 3D 重建的几何上下文 Transformer 模型。
Open-Sora
商机 60
致力于让每个人都能高效进行视频创作的开源视频生成项目（Sora 复现）。
Hunyuan3D-2
商机 60
基于大规模混元扩散模型的高分辨率 3D 资产生成工具。
edge-tts
商机 60
无需安装 Microsoft Edge，即可在 Python 中直接使用其在线文本转语音（TTS）服务。
gpt_academic
商机 60
专为学术研究优化的 LLM 交互工具，支持论文精读润色与代码分析，兼容多种大模型。
OmniVoice
商机 59
支持 600 多种语言的高质量语音克隆 TTS 工具。