#audio-processing Репозитории
Всего репозиториев: 148
Движок непрерывного распознавания речи с большим словарем с открытым исходным кодом
К GPT-4o с открытым исходным кодом, обладающему возможностями зрения, речи и дуплекса.
Официальный репозиторий Qwen-Audio (通义千问-Audio) chat & предварительно обученной большой аудиоязыковой модели, предложенной Alibaba Cloud.
FFmpegMediaMetadataRetriever предоставляет унифицированный интерфейс для извлечения кадров и метаданных из входного медиафайла.
Примеры фрагментов кода и код машинного обучения для Teachable Machine
Реализация системного движка обработки звука JamesDSP для Android-устройств без root-прав
Открытая платформа для аннотации мультимодальных данных с поддержкой автоаннотации ИИ.
Репозиторий для обучения моделей разделения музыкальных источников.
Семейство SALMONN: набор передовых мультимодальных больших языковых моделей (LLM)
Hibiki — это модель для потокового перевода речи (также известного как синхронный перевод). В отличие от офлайн-перевода, при котором перевод начинается после завершения исходного высказывания, Hibiki адаптирует свой поток, накапливая достаточно контекста для получения корректного перевода в режиме реального времени, по частям.
Качественное бесплатное обучение inpaint для каждой модели stable diffusion. Поддерживает ComfyUI
Руководство по PipeWire. Узнайте, как PipeWire предоставляет вашей системе Linux профессиональный рабочий процесс обработки аудио/видео.
Этот репозиторий содержит скрипты, модели и необходимые файлы для Deep Noise Suppression (DNS) Challenge.
Моя подобранная подборка ресурсов по разработке аудио DSP и плагинов (форк на Github)
Простое и красивое приложение (инструмент), созданное на Flutter для загрузки медиа с YouTube
Цифровая звуковая рабочая станция с Python; VST-инструменты/эффекты, автоматизация параметров, FAUST, JAX, Warp Markers и JUCE-процессоры
Фундаментальный набор инструментов, предназначенный для создания музыки, песен и аудио
StreamSpeech — это универсальная(«All in One»)бесшовная модель для офлайн- и синхронного распознавания речи, голосового перевода и синтеза речи.
Интеграция пользовательских узлов ComfyUI для локального многодвижкового и многоязычного преобразования текста в речь и конвертации голоса. Поддерживает: RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox (классический и многоязычный), F5-TTS, Higgs Audio 2, 3 и VibeVoice с неограниченной длиной текста, поддержкой SRT-таймингов, персонажей и множеством аудиоинструментов.
Ядро VOICEVOX — бесплатного программного обеспечения для преобразования текста в речь среднего качества
Голосовой помощник хакера на базе ИИ, созданный с использованием Python и PyTorch.
Фреймворк для обработки речи, языка, аудио и музыки с помощью больших языковых моделей
Аудио-отпечатки с открытым исходным кодом в .NET. Эффективный алгоритм для акустических отпечатков, написанный полностью на C#.
AudioRecorder: Библиотека для записи и визуализации звука на Android, поддерживающая запись аудио в форматах PCM, WAV и MP3.
Официальный Python-инструментарий для API Qwen3-ASR. Параллельные высокопроизводительные вызовы, надежная транскрипция длинного аудио, поддержка нескольких частот дискретизации.
Этот репозиторий содержит пользовательские моды для улучшения звука и расширения функций, разработанные для нескольких игр. В настоящее время он поддерживает Forza Horizon 6 и Chill with You : Lo-Fi Story (лоу-фай игра для учёбы/концентрации).
Omni SenseVoice: Высокоскоростное распознавание речи с временными метками слов 🗣️🎯
Приложение для сжатия (jpg/png/webp/svg/gif/css/js/html/mp4/mov), оно может конвертировать изображения разных форматов, поддержка macOS и Windows.