#audio-processing Repositorios
148 repositorios en total
Motor de reconocimiento de voz continuo de código abierto y vocabulario amplio
El repositorio oficial de Qwen-Audio (通义千问-Audio) chat & modelo de lenguaje de audio grande preentrenado propuesto por Alibaba Cloud.
FFmpegMediaMetadataRetriever proporciona una interfaz unificada para recuperar datos de fotogramas y metadatos de un archivo de medios de entrada.
Fragmentos de código de ejemplo y código de aprendizaje automático para Teachable Machine
Una implementación del motor de procesamiento de audio JamesDSP en todo el sistema para dispositivos Android no rooteados
Plataforma de anotación de datos multimodales de código abierto con soporte para auto-anotación con IA.
Repositorio para entrenar modelos de separación de fuentes de música.
Hibiki es un modelo para la traducción de voz en streaming (también conocida como traducción simultánea). A diferencia de la traducción sin conexión, donde se espera el final de la intervención de origen para comenzar a traducir, Hibiki adapta su flujo para acumular el contexto suficiente para producir una traducción correcta en tiempo real, fragmento a fragmento.
Entrenamiento gratuito de inpainting de alta calidad para cada modelo de difusión estable. Admite ComfyUI
Guía de PipeWire. Descubra cómo PipeWire ofrece a su sistema Linux un flujo de trabajo profesional de procesamiento de audio/vídeo.
Este repo contiene los scripts, modelos y archivos requeridos para el Deep Noise Suppression (DNS) Challenge.
Mi lista curada de recursos para el desarrollo de DSP de audio y plugins (fork de Github)
Aplicación (Herramienta) simple y hermosa hecha en Flutter para descargar medios de YouTube
Estación de trabajo de audio digital con Python; instrumentos/efectos VST, automatización de parámetros, FAUST, JAX, marcadores de tiempo y procesadores JUCE
Un kit de herramientas fundamental diseñado para la generación de música, canciones y audio
StreamSpeech es un modelo "todo en uno" sin interrupciones para el reconocimiento de voz, la traducción de voz y la síntesis de voz sin conexión y simultánea.
Una integración de nodos personalizados de ComfyUI para conversión de texto a voz y voz a voz local, multi-motor y multi-idioma. Compatible con: RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox (clásico y multilingüe), F5-TTS, Higgs Audio 2, 3 y VibeVoice, con longitud de texto ilimitada, sincronización SRT, soporte para personajes y muchas herramientas de audio.
El núcleo de VOICEVOX, un software de texto a voz de calidad media utilizable de forma gratuita
Un asistente de voz IA para hackers, construido con Python y PyTorch.
Un Marco para el Procesamiento de Voz, Lenguaje, Audio y Música con Modelos de Lenguaje de Gran Tamaño
Huella digital de audio de código abierto en .NET. Un algoritmo eficiente para huella digital acústica escrito puramente en C#.
AudioRecorder: Librería de Android para grabación y visualización de audio, compatible con la grabación de audio en formatos PCM, WAV y MP3.
Kit de herramientas oficial de Python para la API Qwen3-ASR. Llamadas paralelas de alto rendimiento, transcripción de audio larga y robusta, compatibilidad con múltiples frecuencias de muestreo.
Este repositorio aloja mods personalizados de mejora de audio y extensión de funciones desarrollados para varios juegos. Actualmente, es compatible con Forza Horizon 6 y Chill with You : Lo-Fi Story (un juego lo-fi de estudio/enfoque).
Omni SenseVoice: Reconocimiento de voz de alta velocidad con marcas de tiempo de palabras 🗣️🎯
Una app de compresión (jpg/png/webp/svg/gif/css/js/html/mp4/mov), puede convertir imágenes de diferentes formatos, compatible con macOS y Windows.