搜索结果：mod（74 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。
ten-framework
综合 71
用于构建对话式语音 AI Agent 的开源框架。
OnlySwitch
综合 70
一站式 macOS 菜单栏工具，集成自定义开关、系统监控、AI Agent、Shortcuts、小组件与远程控制等。
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。
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。
memories
综合 69
快速、现代化且功能强大的照片管理套件，作为 Nextcloud 应用运行。
Concat
综合 69
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。
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。
RuView （WiFi空间感知与体征监测）
综合 68
RuView 无需摄像头画面，利用普通 WiFi 信号即可实现实时空间感知、人体存在检测以及呼吸心率等生命体征监测。
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。