#audio-processing Repositories
Insgesamt 148 Repositories
Das offizielle Repository von Qwen-Audio (通义千问-Audio) Chat & vortrainiertes großes Audio-Sprachmodell, das von Alibaba Cloud vorgeschlagen wurde.
FFmpegMediaMetadataRetriever bietet eine einheitliche Schnittstelle zum Abrufen von Frame- und Metadaten aus einer Eingabemedien-Datei.
Beispielcodeschnipsel und Machine-Learning-Code für Teachable Machine
Eine Implementierung der systemweiten JamesDSP-Audioverarbeitungs-Engine für nicht gerootete Android-Geräte
Open-Source-Plattform für die Annotation multimodaler Daten mit KI-Auto-Annotation-Unterstützung.
Repository zum Trainieren von Modellen für die Musikquellentrennung.
Hibiki ist ein Modell für Streaming-Sprachübersetzung (auch bekannt als Simultanübersetzung). Im Gegensatz zur Offline-Übersetzung – bei der man auf das Ende des Quelltexts wartet, um mit der Übersetzung zu beginnen – passt Hibiki seinen Fluss an, um gerade genug Kontext zu sammeln, um in Echtzeit, Stück für Stück, eine korrekte Übersetzung zu liefern.
Hochwertiges kostenloses Inpainting für jedes Stable Diffusion Modell. Unterstützt ComfyUI
PipeWire-Anleitung. Erfahren Sie, wie PipeWire Ihrem Linux-System einen professionellen Audio-/Videoverarbeitungs-Workflow verleiht.
Dieses Repo enthält die Skripte, Modelle und erforderlichen Dateien für die Deep Noise Suppression (DNS) Challenge.
Meine kuratierte Liste von Ressourcen für Audio-DSP- und Plugin-Entwicklung (Github-Fork)
C-Bibliothek zur Erzeugung von Audio-Fingerprints, die von AcoustID verwendet werden
Einfache und schöne App (Tool) in Flutter zum Herunterladen von Medien von YouTube
Digital Audio Workstation mit Python; VST-Instrumente/Effekte, Parameterautomatisierung, FAUST, JAX, Warp Markers und JUCE-Prozessoren
StreamSpeech ist ein "All in One" nahtloses Modell für Offline- und gleichzeitige Spracherkennung, Sprachübersetzung und Sprachsynthese.
Eine ComfyUI-Custom-Node-Integration für lokale, Multi-Engine- und mehrsprachige Text-to-Speech- und Voice-Conversion-Funktionen. Unterstützt: RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox (klassisch und mehrsprachig), F5-TTS, Higgs Audio 2, 3 und VibeVoice mit unbegrenzter Textlänge, SRT-Timing, Charakterunterstützung und vielen Audiotools.
Der Kern der kostenlosen Text-to-Speech-Software mittlerer Qualität, VOICEVOX
Ein KI-Sprachassistent für Hacker, erstellt mit Python und PyTorch.
Ein Framework zur Verarbeitung von Sprache, Sprache, Audio und Musik mit großen Sprachmodellen
Open-Source-Audio-Fingerprinting in .NET. Ein effizienter Algorithmus für akustisches Fingerprinting, der rein in C# geschrieben ist.
AudioRecorder: Eine Android-Bibliothek für Audioaufnahme und -visualisierung, die die Aufnahme von PCM-, WAV- und MP3-Audiodateien unterstützt.
Offizielles Python-Toolkit für die Qwen3-ASR-API. Parallele Hochdurchsatzaufrufe, robuste Langstrecken-Audio-Transkription, Unterstützung für mehrere Abtastraten.
Dieses Repository hostet benutzerdefinierte Audio-Verbesserungs- und Funktionserweiterungs-Mods, die für mehrere Spiele entwickelt wurden. Derzeit unterstützt es Forza Horizon 6 und Chill with You : Lo-Fi Story (ein Lo-Fi-Lern-/Konzentrationsspiel).
Omni SenseVoice: Hochgeschwindigkeits-Spracherkennung mit Zeitstempeln für Wörter 🗣️🎯
Eine Komprimierungs-App (jpg/png/webp/svg/gif/css/js/html/mp4/mov), die Bilder in verschiedenen Formaten konvertieren kann, mit Unterstützung für macOS und Windows.