Project Icon

audio-preprocess

开源音频处理工具集

Fish Audio Preprocessor是一个开源音频处理工具集,提供视频/音频转wav、人声分离、自动切片和音量匹配等功能。它支持音频数据统计、重采样和转录,未来计划集成WhisperX技术。该项目在Ubuntu系统上测试通过,可通过pip安装,并提供命令行界面。适用于需要批量处理音频的开发者和研究人员。

awesome-audio-plaza - 全球音频领域的最新研究成果和创新项目
Github开源项目自然语言处理语音合成语音识别音乐生成音频项目
Awesome Audio Plaza汇聚全球音频领域的最新研究成果和创新项目。涵盖自然语音合成、音乐创作、自动语音识别至声音转换等多个子领域,为研究人员、学者及爱好者提供了一个内容丰富的信息平台。该平台通过整合arxiv、Hugging Face日报、Twitter、GitHub等多种资源,确保用户能够访问到前沿科研和技术动态。
lhotse - Python语音数据处理库 支持灵活高效操作
GithubLhotsePyTorch开源项目数据准备语音处理音频处理
Lhotse是一个开源Python库,为语音和音频数据处理提供灵活易用的解决方案。它具备标准数据准备流程、PyTorch数据集接口、高效I/O处理和存储优化等功能。Lhotse创新性地引入音频切片概念,实现混音、截断和填充等操作,并支持预计算和实时特征提取。作为新一代Kaldi语音处理库的组成部分,Lhotse与k2库协同工作,为语音处理任务提供全面支持。
audio - 适用于PyTorch音频处理的库,支持多种文件格式与音频数据集
API参考GithubPyTorchtorchaudio开源项目机器学习音频处理
torchaudio是为PyTorch设计的音频处理库,提供GPU加速和自动微分,支持加载和保存多种音频格式(如wav、mp3、ogg、flac等),并提供常见数据集的数据加载器及音频转换功能(如频谱图、Mel频谱图)。该库还提供兼容其他库的接口,适用于音频和语音处理方面的应用。
speech-separation-ami-1.0 - 基于pyannote.audio的多说话人语音分离与分类系统
GithubHuggingfacepyannote.audio开源项目模型语音分离语音识别说话人分离音频处理
这是一个基于pyannote.audio的开源项目,实现了同步的说话人分类和语音分离功能。系统接收16kHz采样率的单声道音频,输出说话人分类结果和分离后的语音。该项目由Joonas Kalda基于AMI数据集开发,适用于实际多说话人场景。项目提供简洁的Python接口,支持GPU加速和内存处理,为语音分析提供了实用解决方案。
Bert-VITS2 - 多语言BERT驱动的语音合成模型
Bert-VITS2FishAudioGithubMassTTSTTSVITS开源项目
Bert-VITS2项目融合了多语言BERT和先进的自回归TTS模型,提供高品质的语音合成。此项目参考了MassTTS等开源项目,并推荐使用Fish-Speech。详情和演示请参见视频链接和文档,项目强调中文用户需求和法律合规,禁止违规用途。
audio-flamingo - 新型音频语言模型实现音频理解和多轮对话
Audio FlamingoGithubfew-shot学习对话能力开源项目语言模型音频理解
Audio Flamingo是一种创新音频语言模型,具备音频理解、快速任务适应和多轮对话能力。通过优化训练技术、架构设计和数据策略,该模型在多项音频理解任务中创建新基准。项目开源基础模型和对话模型的训练及推理代码。模型权重可从GitHub和HuggingFace获取,仅供非商业用途。
Fineshare - 在线语音转换与生成,满足多样化需求
AI工具AI语音生成FineVoice文本转语音语音克隆语音转换器
Fineshare提供在线语音生成和转换解决方案,涵盖149种语言与方言,致力于语音合成、克隆及特效,广泛应用于创作、商业与教育领域。
Stable Audio Open - 开源文本转音频模型 生成高质量短音频样本和音效
AI工具Stable Audio Open开源模型文本到音频音效制作音频生成
Stable Audio Open是一个开源的文本转音频生成模型,专注于创建短音频样本、音效和音乐制作元素。用户可通过文本提示生成最长47秒的高质量音频。该模型适用于创建鼓点、乐器片段、环境音效和拟音效果等。作为免费开源工具,它为音乐制作和声音设计提供了实用的解决方案。用户可以使用自己的数据微调模型,生成个性化音效。此外,模型支持部署到个人设备,便于自定义使用。
basic-pitch - 高效轻量的自动音乐转录工具
Basic PitchGithubMIDI生成多音高估计开源项目音乐转录音频智能
Basic Pitch是一个开源的自动音乐转录(AMT)Python库,由Spotify音频智能实验室开发。这款轻量级音乐识别工具支持多音高和跨乐器转录,性能可与大型AMT系统媲美。它能将音频转换为包含音高弯曲的MIDI文件,适用于各种乐器,尤其擅长单一乐器转录。Basic Pitch提供命令行和程序化接口,支持MIDI、WAV和CSV等多种输出格式,便于集成到各种音乐处理工作流程中。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号