搜索结果：mod（72 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。
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。
ten-framework
综合 72
用于构建对话式语音 AI Agent 的开源框架。
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。
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。
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。
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。
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。
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。
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。
精选软件架构学习与实践资源清单，涵盖文章、视频、设计模式与原则。
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。
compromise
综合 65
轻巧实用的 JavaScript 自然语言处理（NLP）库。