搜索结果：audio（56 个）

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。

原名 KrillinAI，支持 120+ 语言的视频翻译与配音工具，面向创作者的开源 AI 工作台。

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。

支持从千余站点下载音视频，本地转写并标注说话人，结合 AI 实现总结、翻译及对话。

基于 PyTorch 的开源全能语音处理工具包。

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。

专注于日常对话场景的生成式文本转语音（TTS）模型。

持续记录电脑屏幕工作轨迹以梳理工作流，并为 AI Agent 提供上下文背景记忆。

在浏览器中复刻经典 Winamp 2 播放器的开源实现。

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。

Deezer 开源的源分离库，包含预训练模型。

基于 OpenAI Whisper 驱动，可在个人电脑上离线转写和翻译音频的工具。

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。

功能强大、效果出众且简单易用的开源 JavaScript 3D 渲染与游戏引擎。

免费开源的先进浏览器指纹识别库。

用于在浏览器中制作交互式音乐的 Web Audio 框架。

支持从数百个主流网站下载音频和视频的桌面客户端。

将电子书转换为有声书，支持 50 多种 TTS 引擎、声音克隆及 1696 种语言。

RootEncoder 是一款专为 Android 打造的音视频推流编码库。它完全采用 Java/Kotlin 编写，帮助开发者轻松将音视频流推送到媒体服务器。 核心功能包括： 1. **多协议推流**：支持 RTMP、RTSP、SRT 及 UDP 协议； 2. **多视频源与控制**：兼容 Camera1/2、CameraX 及 UVC 外接摄像头，支持推流中动态切镜头与启闭音视频； 3. **音频处理**：内置噪声抑制与回声消除。

适用于现代 Web 环境的轻量级 JavaScript 音频处理库。