搜索结果：learning（23 个）
按分类缩小范围
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。
speechbrain
综合 71
基于 PyTorch 的开源全能语音处理工具包。
HivisionIDPhotos
综合 70
轻量且高效的 AI 证件照制作工具与算法。
X-AnyLabeling
综合 69
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。
YuE
综合 69
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。
spleeter
综合 69
Deezer 开源的源分离库，包含预训练模型。
faster-whisper
综合 67
基于 CTranslate2 的高速 Whisper 转录工具。
PaddleSpeech
综合 67
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。
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。
speech-to-speech
综合 65
基于开源模型构建语音智能体（Voice Agent）的开发库。
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。
kornia
综合 60
面向空间 AI（Spatial AI）的微分几何计算机视觉库。
RuView （WiFi空间感知与体征监测）
综合 59
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。
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。
nerfstudio
综合 52
一个对协作友好的 NeRF（神经辐射场）开发平台。