Project Icon

NoiseTorch

Linux系统开源噪音抑制工具 提升音频清晰度

NoiseTorch-ng是一款专为Linux系统开发的开源噪音抑制应用。该工具支持PulseAudio和PipeWire音频系统,通过创建虚拟麦克风来过滤背景噪音,如机械键盘声和电脑风扇声。NoiseTorch-ng采用RNNoise技术,可轻松集成到各类会议和网络通话应用中。它的设置过程简单快捷,仅需两步即可完成,是改善音频质量的实用工具。

audioseal - 创新语音水印技术 提升音频安全性能
AI模型AudioSealGithub开源项目语音水印音频处理
AudioSeal是一种创新的语音水印技术,在音频中嵌入难以察觉的水印,并能快速准确地检测。该技术具有出色的抗篡改能力,可在编辑后的长音频中识别水印片段。AudioSeal实现了高精度的样本级检测,同时保持音质,适用于大规模和实时应用场景。其检测速度比现有方法快近百倍,为音频安全和版权保护提供了强有力的工具。
ComfyUI_Noise - ComfyUI噪声控制增强节点集
AI绘图ComfyUIGithublatent空间噪声控制图像生成开源项目
ComfyUI_Noise为ComfyUI提供6个新节点,增强噪声控制和灵活性。功能包括噪声生成、批次复制、潜在空间插值、噪声强度计算、噪声注入和反向采样。这些工具支持小幅度变化生成、匹配输入图像和提示词的噪声查找,以及精细图像操作。该项目扩展了AI图像生成的创意可能性,适用于需要更多噪声控制选项的ComfyUI用户。
TurnVoice - 强大的视频声音转换和多语种翻译命令行工具
AIGithubTurnVoice命令行工具开源项目视频处理语音转换
TurnVoice是一款功能丰富的命令行工具,专注于视频声音转换和多语种翻译。该工具集成了多种语音合成引擎,包括免费的Coqui TTS在内的多个选项。它允许用户精确控制渲染过程,提供句子文本、时间和语音的自定义选项。TurnVoice还具备保留原始背景音频和本地视频处理的能力,适用于各类视频创作需求。
Pandrator - AI驱动的多语言语音生成和视频配音工具
GithubPandrator开源项目文本处理语音克隆语音合成音频生成
Pandrator是一款开源的多语言语音生成工具,支持将文本、PDF、EPUB和SRT文件转换为语音。该工具集成了语音克隆、LLM文本预处理和AI优化功能,可将生成的音频同步到视频中。Pandrator采用图形界面设计,提供一键安装,操作简便。它利用XTTS、Silero等开源模型实现语音合成,并支持RVC语音增强和NISQA质量评估,为语音生成提供全面解决方案。
screenpipe - 全天候屏幕和音频数据捕获,用户数据安全自主控制
Githubscreenpipe屏幕捕捉开源开源项目插件系统音频捕捉
Screenpipe 提供全天候的屏幕和音频捕获解决方案,支持个性化AI构建,安全、开源,用户数据自主控制。兼容多个操作系统(Windows、Linux、macOS),具备多种捕获功能和STT转写。支持多种安装方式,包括CLI、付费桌面应用、免费开源桌面应用和Rust/WASM库。插件系统便于在Rust环境中运行沙盒代码。最新功能涵盖多显示器捕获、完美的音频兼容以及原生的苹果和Windows OCR。
ReNoise-Inversion - 迭代重噪图像反演方法提升重建精度和编辑效果
AI图像处理GithubReNoise图像反演开源项目扩散模型迭代噪声
ReNoise-Inversion项目开发了一种创新的图像反演方法,利用迭代重噪机制提高重建精度,同时保持低操作成本。该方法适用于多种采样算法和模型,包括最新的加速扩散模型。实验表明,ReNoise技术在精确度和速度方面表现优异,同时保持了图像的可编辑性。这一技术为基于文本的真实图像编辑开辟了新途径。
whisper_streaming - 基于Whisper的实时语音转录和翻译开源系统
GithubWhisper多语言实时转录开源项目流式处理语音识别
whisper_streaming是基于Whisper模型的实时语音转录和翻译系统。该项目采用本地协议和自适应延迟实现流式转录,在长篇未分段语音测试中实现高质量转录,延迟仅3.3秒。系统提供多种后端选择,支持GPU加速,适用于多语言会议实时转录。项目还提供灵活API,便于开发者集成到不同应用场景。
friendly-stable-audio-tools - 改进后的Stable Audio Tools开源框架支持音频生成模型训练和推理
AI音频生成GithubStable Audio开源项目模型训练深度学习音乐生成
该项目是对Stability AI的stable-audio-tools的重构和增强,提供了音频和音乐生成模型的开源代码。重构后的代码提高了可读性和易用性,并新增了评估和使用自训练模型的脚本。项目详细说明了如何训练Stable Audio 2.0等模型,并提供了Stable Audio Open 1.0的使用文档和便捷脚本。此外,项目支持多GPU/节点生成,并集成了Gradio界面用于测试模型。
versatile_audio_super_resolution - 开源音频超分辨率工具 适用多种类型和采样率
AudioSRGithub开源项目深度学习音频处理音频超分辨率
AudioSR是一个开源的音频超分辨率项目,旨在提高各类音频的质量。它可处理音乐、语音和环境声等多种音频类型,支持所有采样率。该工具提供Gradio演示界面和命令行操作,方便用户使用和批量处理音频。项目在GitHub上持续更新,为音频处理技术提供了新的解决方案。
echogarden - 多功能语音处理工具集支持跨平台使用
EchogardenGithub开源项目文本转语音语音处理语音工具集语音转文本
Echogarden 是一个功能全面的开源语音处理工具集,提供文本转语音、语音识别、语音对齐和翻译等多项功能。该工具集适用于 Windows、macOS 和 Linux 平台,安装和使用简便。Echogarden 采用 TypeScript 开发,通过 WebAssembly 和 ONNX 运行时实现跨平台兼容,无需复杂依赖。目前主要提供命令行界面,支持批量处理,未来计划开发图形界面和交互式工具。
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