搜索结果：model（49 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。
YuE
综合 80
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。
speech-to-speech
综合 76
基于开源模型构建语音智能体（Voice Agent）的开发库。
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。
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。
openwhispr
综合 71
跨平台语音转文字应用，支持本地模型（Whisper 等）与云端模型，注重隐私保护。
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。
speechbrain
综合 70
基于 PyTorch 的开源全能语音处理工具包。
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。
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。
LTX-Video
综合 69
LTX-Video 视频生成模型的官方开源代码仓库。
spleeter
综合 69
Deezer 开源的源分离库，包含预训练模型。
X-AnyLabeling
综合 68
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。
Queryable
综合 68
在 iOS 本地运行 CLIP 与 MobileCLIP 模型以图搜图的工具。
PaddleSpeech
综合 66
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。
baguette
综合 65
Apple 模拟器无头控制工具，支持手势、60fps 推流及多设备集群管理。
Wan2.2
综合 64
开源且先进的大规模视频生成模型。