Logo
Project Icon

crepe

基于深度卷积神经网络的单音音高跟踪器

CREPE深度卷积神经网络音高跟踪Python音频处理Github开源项目

CREPE是一款基于深度卷积神经网络的单音音高跟踪器，直接处理时域波形输入，性能优于流行的音高跟踪器如pYIN和SWIPE。用户可通过PyPI安装，并利用预训练模型进行音高预测，结果包含时间戳、预测音高和置信度。CREPE支持时间步长调整、模型容量选择和时间序列平滑，适用于人声和乐器音频，并支持批量处理。

GithubGithub论文论文
介绍相关项目
whisper-timestamped - 多语言语音识别工具，支持单词时间戳和置信度评分
GithubOpenAIwhisper-timestamped信心评分开源项目时间戳语音识别
whisper-timestamped 是一个增强型多语言语音识别工具，基于 OpenAI 的 Whisper 模型，通过动态时间规整(DTW)技术预测单词时间戳，并附带置信度评分。该扩展兼容所有 Whisper 版本，优化内存使用，适用于处理长音频文件。此外，还支持在运行 Whisper 模型前进行语音活动检测(VAD)，有效降低训练数据中的误差。whisper-timestamped 可提高识别准确度，尤其适用于包含语音卡顿或填充词的情景。
tr - 高效的离线OCR文本识别与文档理解SDK
CRNNGithubOCRTransformertr多模态大模型开源项目
tr是一款离线OCR文本识别SDK，核心采用C++开发并提供Python接口，支持多行文本识别和多模态大模型集成。tr结合CRNN与TransformerEncoder，提供高效且资源占用低的OCR解决方案，适用于如弯曲文本和图表等复杂场景。最新版本优化了C++接口、支持Python2、多线程功能，并去除了对opencv-python和Pillow的依赖。提供简洁的下载与安装指引，及详细的示例代码便于快速部署和测试。
seek-tune - 基于Shazam算法的开源音乐识别与下载系统
API集成GithubSeekTune开源项目音乐识别音频指纹
SeekTune是一个开源的音乐识别系统，基于Shazam算法实现。该项目集成Spotify和YouTube API，支持歌曲识别、搜索和下载。SeekTune兼容多种音频格式，提供命令行和Web界面，便于用户操作。使用Go语言开发，具备高性能和可扩展性。项目旨在为音乐爱好者提供便捷的音乐识别和获取工具。
myBeat - AI驱动的黑胶唱片视频制作平台
AI工具AI绘图MyBeatOpenAISpotify音乐推广
myBeat是一个创新的在线平台，为音乐创作者提供免费的AI生成黑胶唱片封面和视频剪辑服务。该平台支持Spotify Canvas功能，有助于提升音乐在Spotify上的曝光度。用户评价myBeat操作简便，输出质量高，能有效节省时间。这个免费工具非常适合用于音乐推广和视觉创作，是音乐爱好者和艺术家的理想选择。
sherpa - 基于PyTorch的开源E2E语音识别框架 支持C++和Python
GithubPyTorch开源框架开源项目深度学习端到端模型语音识别
sherpa是基于PyTorch的开源E2E语音识别框架，专注于转录器和CTC模型。提供C++和Python API，适用于部署预训练模型进行语音转写。此外，sherpa-onnx和sherpa-ncnn等相关项目支持iOS、Android和嵌入式系统，无需依赖PyTorch。用户可通过浏览器直接体验sherpa的语音识别功能。
Whisper-Finetune - 语音识别模型的高效微调与加速
GithubWhisper中文识别加速推理开源项目模型微调语音识别
Whisper-Finetune项目致力于优化OpenAI的Whisper语音识别模型。该项目采用Lora技术进行微调，支持多种数据类型的训练，并通过CTranslate2和GGML实现加速推理。此外，项目提供了跨平台应用和服务器部署方案，为语音识别应用开发提供了全面支持。
grokfast - 放大低频梯度加速模型泛化
GithubGrokfast开源项目机器学习梯度下降泛化过拟合
Grokfast是一种创新的机器学习优化方法,通过放大参数梯度的低频成分来加速模型泛化。该方法可将原本需数万次迭代的泛化过程缩短50倍以上,仅需添加几行代码即可实现。Grokfast适用于图像、语言和图形等多种任务,为研究突然泛化现象提供了实用工具。项目开源了代码实现,并提供了详细的使用说明和实验复现指南。
sherpa-ncnn - 轻量级多平台实时语音识别工具
AndroidGithubsherpa-ncnn多平台实时开源项目语音识别
sherpa-ncnn 是一个开源的实时语音识别项目，支持 Linux、macOS、Windows 及嵌入式设备。基于 ncnn 框架开发，无需依赖 PyTorch，具有轻量化和高效性特点。项目提供详细文档、演示视频和 Android 应用开发指南。支持多语言识别和背景噪音处理，适用于各种语音识别应用场景。
TuneFlow - 智能音乐创作平台集成多种AI功能
AI工具AI音乐制作TuneFlow云端同步音乐创作音频处理
TuneFlow是一个集成多种AI功能的音乐创作平台，提供语音克隆、智能作词、智能作曲、智能鼓手、音源分离和音频转译等功能。平台支持浏览器在线使用和桌面版专业编辑，包括多轨混音和母带处理。作为创意社区，用户可以分享作品并进行交流。TuneFlow持续更新，不断推出新功能，为音乐创作提供全面支持。
wav2lip_288x288 - 改进版Wav2Lip 高分辨率唇形同步与先进算法集成
GithubWav2Lip唇形同步开源项目模型优化深度学习视频处理
wav2lip_288x288是Wav2Lip项目的改进版本，致力于提升唇形同步的质量和分辨率。该项目支持288x288至512x512的模型尺寸，整合了PRelu、LeakyRelu等先进技术，并采用SAM-UNet架构。项目提供详细的训练流程，包括Syncnet和wav2lip-Sam的训练步骤。目前正在开发基于DINet的全流程训练功能，涵盖使用DeepSpeech的Syncnet训练和DINet帧训练。这些优化旨在实现更精确、更高质量的唇形同步效果。
相关项目
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

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能，包括文生视频、动态画面和形象生成等，帮助用户快速上手，创造专业级内容。

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

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台，用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品，帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型，为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能，满足事务性工作的高频需求，帮助撰稿人节省精力，提高效率，优化工作与生活。

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

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
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号