Project Icon

diart

Python实时音频处理框架 支持说话人分离和语音活动检测

diart是一个开源的Python实时音频处理框架,专注于AI驱动的音频应用开发。其核心功能包括实时说话人分离、语音活动检测和增量聚类。该框架集成了说话人分段和嵌入模型,支持自定义AI流程、基准测试和超参数优化。diart还提供WebSocket接口,方便进行Web服务部署。

RealtimeTTS - 实时低延迟高质量文本转语音库
GithubRealtimeTTS低延迟多引擎支持多语言支持开源项目高质量音频
RealtimeTTS是一款低延迟、高质量的实时文本转语音库。支持OpenAI、Elevenlabs、Azure、Coqui、gTTS和系统TTS引擎,兼容多语言,适用于专业和关键场景。新增灵活定制安装选项,用户可以选择所需功能模块。通过回退机制确保持续运行,完美兼容大语言模型,实现即时文本流转换和清晰自然的语音输出。
Wav2Lip - 先进的AI视频口型同步技术
GithubWav2Lip唇形同步开源项目深度学习视频处理音频处理
Wav2Lip是一个开源项目,采用先进的人工智能技术实现高精度的视频口型同步。该技术适用于各种身份、声音和语言,包括CGI人脸和合成语音。项目提供完整的训练和推理代码以及预训练模型,方便用户将任意音频与视频进行口型同步。Wav2Lip在多个基准数据集上展现出领先性能,为视频制作和内容创作领域提供了有力支持。
RapidASR - 开源多模型语音识别框架
GithubONNXRuntimeRapid ASR开源项目模型转换语音识别
RapidASR是一个开源语音识别框架,集成多种模型如Paraformer、WeNet和PaddleSpeech。它支持Python和C++接口,兼容Linux、Windows和Mac系统。该项目结合了语音识别、语音活动检测和标点恢复功能,提供完整的语音转文本流程。RapidASR采用ONNXRuntime推理引擎,支持批量处理,性能稳定且持续更新。其核心代码已并入FunASR,具有良好的扩展性和兼容性。项目还提供详细的文档导航,适用于各种语音识别应用场景,便于开发者快速上手和使用。
gdansk-ai - 开源全栈AI语音对话系统 整合多项云服务
AI语音聊天机器人Auth0GithubOpenAIStripe全栈AI应用开源项目
Gdańsk AI是一个开源的全栈AI语音对话系统,集成了语音转文本、大型语言模型和文本转语音技术。该项目整合了Auth0身份验证、OpenAI和Google Cloud API的AI能力,以及Stripe支付功能。系统由Web应用、API和AI组件构成,为开发者提供完整的AI对话解决方案。用户可通过购买'bibs'代币与AI进行语音交互。本项目采用Node.js、TypeScript和Python等技术栈,结构清晰,便于二次开发。系统支持用户通过语音进行AI对话,并提供便捷的支付流程。开发者可根据需求自定义AI模型和对话流程,快速构建语音交互应用。
speaker-segmentation-fine-tuned-callhome-eng - 基于Callhome数据集微调的英语语音说话人分割开源模型
CallhomeGithubHuggingfacepyannote开源项目机器学习模型说话人分割音频处理
这是一个基于pyannote/segmentation-3.0在英语Callhome数据集上微调的说话人分割模型。模型在评估集上达到0.4602的损失率和0.1828的DER值。它可以集成到pyannote说话人分割流程中,支持GPU加速,适用于高质量说话人分割任务。模型提供了使用示例代码,方便快速上手。
ultimatevocalremovergui - 音频人声分离开源工具,支持多种AI模型
AI模型GithubUltimate Vocal Remover人声分离开源软件开源项目音频处理
Ultimate Vocal Remover GUI是一个开源的音频人声分离工具,采用先进的源分离模型从音频文件中提取人声。它集成了多种AI模型,包括开发者自训练模型和Demucs v3/v4模型。该工具支持Windows、MacOS和Linux平台,提供图形界面操作,支持GPU加速和多种音频格式。此外,它还具备时间拉伸和音调变换功能,适合音频处理爱好者使用。
audio2photoreal - AI驱动的音频转人物对话视频技术
AI合成Github对话场景开源项目深度学习计算机视觉音频到真人化身
audio2photoreal项目实现了音频到逼真人物对话视频的自动转换。该开源项目集成了面部表情和全身动作生成模型,能根据音频输入合成自然的人物表情和动作。项目提供预训练模型、训练代码和数据集,便于研究者复现和改进。这一技术为虚拟人物制作和视频合成领域开辟了新的可能性。
LocalAIVoiceChat - 开源本地AI语音聊天项目 支持自定义人格和声音
AI语音聊天Github实时语音交互开源项目本地AI模型语音合成语音识别
LocalAIVoiceChat是一个开源的本地AI语音聊天项目,集成Zephyr 7B语言模型与实时语音转文本和文本转语音技术。项目支持完全本地运行,可自定义AI人格和声音,提供实时语音交互功能。适用于具备8GB VRAM的GPU环境,为AI爱好者和开发者提供了一个实验性的本地实时聊天机器人平台。
DeepPavlov - 跨平台多功能的开源对话AI库
DeepPavlovGithubNLPPyTorch对话系统开源开源项目
DeepPavlov是一个基于PyTorch的开源对话AI库,适用于生产级聊天机器人、复杂对话系统开发和自然语言处理研究。支持Linux、Windows和MacOS平台,兼容Python 3.6至3.11版本。提供丰富的预训练NLP模型,如命名实体识别、意图分类、文本问答和句子相似度等,支持CLI和Python接口,便于模型训练、评估和推断。通过REST API和Socket API实现与AWS等服务的无缝集成。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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