搜索结果：is（151 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。
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。
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。
oomwoo
综合 75
开源扫地机器人项目。
rea-video （视频分镜逆向拆解与复刻）
综合 74
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。
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
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。
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。
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。
VidBee
综合 70
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。
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。
HivisionIDPhotos
综合 70
轻量且高效的 AI 证件照制作工具与算法。
anatomy
综合 70
用于绘制现实机器与复杂系统等轴交互插图的 Agent 技能，支持导出带 WebGL 效果的 SVG。
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。
plotly.py
综合 69
面向 Python 的交互式图表与数据可视化库。
streamlink
综合 69
可将各大流媒体平台视频流直接传输至本地播放器的 CLI 命令行工具。
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。