BS-RoFormer

先进音乐源分离技术的开源实现

音乐源分离 BS-RoFormer 人工智能深度学习音频处理 Github 开源项目

BS-RoFormer是一个开源的音乐源分离项目，实现了先进的注意力网络技术。该项目采用跨频率和时间的轴向注意力以及旋转位置编码，显著提高了分离效果。支持立体声训练和多声部输出，为音乐处理领域带来新的可能。项目提供了详细的使用说明和应用案例，适合研究者和开发者使用。

文档

all-in-one - 全能音乐结构分析工具自动识别节奏节拍和段落

AI模型GithubPyTorch开源项目深度学习音乐结构分析音频处理

All-In-One是一款音乐结构分析工具,可自动识别音乐速度、节拍、小节线、段落边界及标签。工具提供命令行和Python API,支持结果可视化和声音化,适用于音乐研究和应用开发。基于机器学习模型,具有快速处理、多格式支持等特点,并提供详细使用说明和高级研究功能。

ModuleFormer - 高效可扩展的模块化语言模型架构

GithubMoLMModuleFormer大语言模型开源项目模块化稀疏激活

ModuleFormer是一种新型MoE架构，结合棒断注意力头和前馈专家两种专家类型。通过稀疏激活，实现高效性、可扩展性和专业化。基于此架构的MoLM语言模型系列，参数规模40亿到80亿不等，在提高吞吐量的同时保持性能，易于扩展新知识和针对特定任务优化。MoLM在多项基准测试中展现出优秀的效率和性能。

LookOnceToHear - 视觉引导的智能目标语音提取系统

GithubLook Once to Hear开源项目智能听力系统目标说话人识别语音分离音频处理

Look Once to Hear 项目开发了一种新型智能听觉系统，通过短暂观察目标说话者即可实现选择性听取其声音。该技术结合计算机视觉和语音处理，能在嘈杂环境中准确提取目标语音。项目获得 CHI 2024 最佳论文荣誉提名，并公开了相关代码、数据集和评估方法，为智能听觉研究提供了重要参考。

rnnoise - 开源深度学习实时语音降噪库

GithubRNNoise噪音抑制开源项目机器学习神经网络语音增强

RNNoise是一个开源的基于循环神经网络的噪声抑制库，专注于实时全频带语音增强。它采用混合DSP和深度学习方法，支持48kHz采样率的16位PCM文件处理。该项目提供简单的命令行工具，同时允许用户使用自定义数据集进行模型训练。RNNoise还支持可加载模型，提高了系统的灵活性和适应性。

DAFormer - 提升域适应语义分割的网络架构与训练策略

DAFormerGithubTransformer域自适应语义分割开源项目网络架构语义分割

通过Transformer编码器和多级上下文感知特征融合解码器，显著提升域适应语义分割性能。DAFormer使用稀有类采样、ImageNet特征距离和学习率预热等策略，提升GTA→Cityscapes和Synthia→Cityscapes的分割效果，并扩展至域泛化领域。在多个UDA基准上，DAFormer显著超越了前沿方法，成为领域推广和不受目标图像限制的语义分割任务中新的性能标杆。

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。

FunASR - 综合性开源语音识别与处理工具集

FunASRGithub多任务开源项目模型部署语音识别预训练模型

FunASR是一个全面的开源语音处理工具集，融合了学术研究和工业应用。它不仅支持语音识别模型的训练和微调，还提供了语音活动检测、标点恢复等多种功能。该项目提供大量预训练模型，便于快速构建高效准确的语音识别服务。FunASR以其广泛的功能、高性能和易部署特性，为语音识别技术的研究和应用提供了强大支持。

Comprehensive-Transformer-TTS - 基于非自回归 Transformer 的 TTS

GithubPyTorchTTS开源项目持续时间建模语音合成非自回归变换器

该项目采用非自回归Transformer技术，集成多种最新状态转换模型。Comprehensive-Transformer-TTS不仅提供监督与非监督持续时间建模, 也支持多种数据集和SOTA技术，如Fastformer和Long-Short Transformer，力求在文本到语音转换领域取得领先成果。

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。

Soundry AI - AI音乐创作与音频生成平台

AI工具AI音乐生成Soundry AI人工智能音乐音乐制作工具音频合成

Soundry AI是一个专为音乐创作者设计的AI音乐生成工具平台，提供文本转声音、无限音频样本库等创新功能。平台支持VST3插件和桌面应用，兼容Windows和Mac系统。相比传统方法，Soundry AI在灵活性、效率和创新性方面具有显著优势，能快速生成独特的音频内容，实现实时音频生成和个性化声音定制。该平台由多位知名音乐人参与开发，得到了业内专业人士的认可，为音乐创作带来全新的AI驱动体验。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com