搜索结果：python（125 个）
按分类缩小范围
FunASR
商机 81
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
商机 81
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。
cvat
商机 79
支持图像、视频、音频和 3D 数据集的标注平台，提供 AI 辅助标注及协作管理功能。
agents
商机 79
用于构建实时语音 AI Agent（智能体）的开发框架。
brag
商机 77
只需一条命令，即可将你刚开发完成的项目生成可供分享的宣传短视频。
speech-to-speech
商机 77
基于开源模型构建语音智能体（Voice Agent）的开发库。
datasets
商机 77
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
商机 76
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。
oomwoo
商机 76
开源扫地机器人项目。
rea-video （视频分镜逆向拆解与复刻）
商机 75
一款视频逆向分析工具，逐镜头拆解是实拍、AI生成还是代码制作，并提供复刻思路。
VideoLingo
商机 75
全自动 AI 视频字幕组工具，支持高质量字幕切割、翻译、对齐以及自动配音。
instaloader
商机 74
用于从 Instagram 下载图片、视频及其配文等元数据的工具。
PaddleOCR （飞桨多语言OCR工具库）
商机 73
轻量且功能强大的 OCR 工具包，将 PDF 和图片文档转换为供 LLM 使用的结构化数据，支持超 100 种语言。
WhisperLiveKit
商机 73
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
商机 73
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。
Meshroom
商机 72
基于节点的三维重建可视化编程工具箱。
kornia
商机 72
面向空间 AI（Spatial AI）的微分几何计算机视觉库。
ten-framework
商机 72
用于构建对话式语音 AI Agent 的开源框架。
TensorRT-LLM
商机 71
提供易用的 Python API，针对 NVIDIA GPU 优化 LLM 高效推理加速。
CosyVoice
商机 71
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。