搜索结果：im（156 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。
OpenCreator
综合 79
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。
cvat
综合 78
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
综合 78
用于构建实时语音 AI Agent（智能体）的开发框架。
Toonflow-app
综合 77
开源短剧与漫剧创作平台，集成剧本分镜、资产管理、图影生成，支持无限画布、Agent 与本地部署。
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。
omni-tools
综合 74
可自托管的网页端日常工具集，无广告无追踪，浏览器即开即用
editor
综合 73
面向 AECO 与 scan-to-BIM 的开源 3D 建筑设计软件，支持浏览器端与 MCP。
PaddleOCR （飞桨多语言OCR工具库）
综合 72
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
综合 72
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
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。
Meshroom
综合 71
基于节点的三维重建可视化编程工具箱。
kornia
综合 71
面向空间 AI（Spatial AI）的微分几何计算机视觉库。
ten-framework
综合 71
用于构建对话式语音 AI Agent 的开源框架。
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。
pixelfx （像素艺术特效代码库）
综合 70
包含 244 款纯代码像素特效与动画，可导出精灵图用于游戏引擎，并附带生成新特效的 Claude Code skill。
ViMax
综合 69
集导演、编剧、制片人和视频生成器于一体的 Agent 架构视频生成系统。
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。