fadtk

标准化Frechet音频距离计算工具

fadtk是一个计算Frechet音频距离(FAD)的标准化工具库。它支持多种音频嵌入模型,能高效计算音频嵌入和FAD∞分数。该工具提供预计算统计数据用于基线比较,可计算单曲FAD以识别异常。fadtk主要用于评估生成音乐质量,为音频研究提供了实用灵活的解决方案。

访问官网

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。

ChatTTS_Speaker - AI语音合成稳定性评估与特征标记工具

ChatTTSGithub声纹识别开源项目稳定性评估音色打标音色评分

ChatTTS_Speaker项目基于ChatTTS开发，专注于AI合成语音的稳定性评估和特征标记。项目利用ERes2NetV2模型对2600个音色进行评分，评估包括长句、多句和单句的稳定性，以及音色的性别、年龄和特征识别。提供音色下载功能和详细的评分参数解释，为AI语音合成研究和应用提供有价值的参考数据。

tango-full - 基于扩散模型的高质量文本到音频生成工具

GithubHuggingfaceTANGO开源项目文本转音频模型深度学习生成式人工智能语音合成

TANGO是一个开源的文本到音频生成工具，基于潜在扩散模型实现。它可根据文本提示生成包括人声、动物声、自然声和人工音效在内的多种逼真音频。TANGO采用Flan-T5作为文本编码器，结合UNet架构的扩散模型进行音频生成，在客观和主观评估中均优于现有技术。该项目提供了完整的模型代码、训练流程和预训练权重，为音频生成研究提供了有力支持。

Stems ST-02 - 高质量音频分离工具实现声乐与乐器轨道精准提取

AI工具DemucsFacebook声音处理开源软件音频分离

Stems ST-02采用Facebook开源Demucs库，提供先进的音频分离技术。这款工具可将音乐精确分离为人声、鼓点、贝斯和其他乐器轨道，界面直观易用。适合DJ、音乐制作人和学习者使用，有助于音频分析、混音、采样和音乐结构学习。Stems ST-02输出高质量分离结果，为音乐处理提供专业支持。

FAST-VQA-and-FasterVQA - 开源高效视频质量评估框架

FAST-VQAFasterVQAGithub开源项目机器学习深度学习视频质量评估

FAST-VQA和FasterVQA是端到端视频质量评估的开源工具箱,提供高效的评估模型。FasterVQA作为FAST-VQA的改进版,在保持相似性能的同时速度提升4倍。这些模型在多个数据集上达到最先进水平。项目采用模块化架构,支持灵活的空间和时间采样方法及多种网络结构。研究者可进行模型训练、测试,并在小型数据集上微调。

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。

miniaudio - 轻量级跨平台音频库支持播放捕获和高级功能

C语言Githubminiaudio开源开源项目跨平台音频库

miniaudio是一个C语言编写的单文件音频库，无外部依赖，支持主流桌面和移动平台。它提供简洁灵活的API，包含低级和高级接口，实现声音管理、混音、音效和3D空间化。该库还包括节点图系统、资源管理、音频编解码、重采样和通道映射等功能，适用于各种音频开发需求。

miditoolkit - Python开源MIDI处理工具包

GithubMIDI文件处理MiditoolkitPython包开源项目符号音乐音乐编程

Miditoolkit是一个开源的Python MIDI处理库，采用ticks作为原生时间单位。它提供MIDI文件的读取、编辑和写入功能，支持钢琴卷帘解析、全局MIDI属性管理、乐器控制和可视化。与其他工具相比，Miditoolkit在纯MIDI和符号音乐处理方面性能更优。它适用于音乐创作、MIDI文件分析和音乐信息检索等领域，为开发者提供了高效、灵活的MIDI处理解决方案。

MFTCoder - 优化代码大模型性能的多任务微调框架

CodeFuseGithubHumanEvalMFTCoder代码大语言模型多任务微调开源项目

MFTCoder是一个开源的多任务微调框架,致力于提升代码大模型性能。该框架支持多种主流开源大模型,采用LoRA和QLoRA等高效微调方法,实现多任务平衡训练。MFTCoder还开源了多个高性能代码大模型和高质量数据集,在HumanEval等基准测试中表现优异。这一框架旨在促进代码大模型领域的协作与创新。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com