搜索结果：pytorch（15 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。
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。
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。
silero-vad
综合 65
Silero VAD：预训练的企业级语音活动检测器（Voice Activity Detector）
insightface
综合 62
前沿的开源 2D 和 3D 人脸分析与识别算法项目。
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。
WhisperLiveKit
综合 61
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。
kornia
综合 60
面向空间 AI（Spatial AI）的微分几何计算机视觉库。
ultimatevocalremovergui
综合 60
基于深度神经网络的音频人声伴奏分离工具图形界面（GUI）。
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。
nerfstudio
综合 52
一个对协作友好的 NeRF（神经辐射场）开发平台。
diffusers
综合 49
基于 PyTorch 的前沿扩散模型库，支持图像、视频和音频生成。
Real-Time-Voice-Cloning
综合 49
仅需 5 秒即可克隆声音，并实时生成任意语音。