whisper-asr-webservice 是用 Python 编写的 AI 工具,用于大模型与智能体应用开发。
OpenAI Whisper ASR Webservice API
microsoft
Windows 效率工具集,提供窗口管理、批量重命名、取色器等系统增强功能。目前累计 14 万 star、8.7k fork,在本地项目库中星标排名约第 76 / 65722,主要语言为 C,项目始于 2019 年,采用 MIT 许可。最近状态:本周仍有提交。
适合谁:推荐给需要桌面端软件的团队:涉及 advanced-paste、color-picker、command-palette、desktop 方向。
按累计星标排序,库内共 65,726 个项目(GitHub 上星标 ≥ 1k 的公开仓库约 66,044 个)。
优先使用本地记录的星标快照计算近 7 天真实增量;快照不足 7 天时,按「创建以来日均获星」估算,数值旁会标注口径。
已收录 GitHub 星标过千的公开项目,附原始简介、语言、主题与活跃度。用一句自然语言描述需求,即可获得 AI 推荐。
whisper-asr-webservice 是用 Python 编写的 AI 工具,用于大模型与智能体应用开发。
OpenAI Whisper ASR Webservice API
iOS-10-Sampler 是用 Swift 编写的 AI 工具,用于人工智能方向的建模与推理。
Code examples for new APIs of iOS 10.
audio 是用 Python 编写的多媒体工具,用于处理音视频内容。
Data manipulation and transformation for audio signal processing, powered by PyTorch
lingvo 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
Lingvo
MARS5-TTS 是用 Jupyter Notebook 编写的 AI 工具,用于大模型训练与推理。
MARS5 speech model (TTS) from CAMB.AI
speechgpt 是用 TypeScript 编写的学习资料,用于系统学习与查阅。
💬 SpeechGPT is a web application that enables you to converse with ChatGPT.
gTTS 是用 Python 编写的代码库,提供可直接复用的能力。
Python library and CLI tool to interface with Google Translate's text-to-speech API
wavenet_vocoder 是用 Python 编写的开源项目,主题标签有限,建议打开仓库查看具体用途。
WaveNet vocoder
ten-vad 是用 C 编写的 AI 工具,用于大模型与智能体应用开发,主打高性能、轻量。
Voice Activity Detector (VAD) : low-latency, high-performance and lightweight
IMS-Toucan 是用 Python 编写的学习资料,用于系统学习与查阅,主打速度快。
Controllable and fast Text-to-Speech for over 7000 languages!
praat.github.io 是用 C 编写的开源项目,主题标签有限,建议打开仓库查看具体用途。
Praat: Doing Phonetics By Computer
julius 是用 C 编写的多媒体工具,用于处理音视频内容,主打开源免费。
Open-Source Large Vocabulary Continuous Speech Recognition Engine
tacotron 是用 Python 编写的开源项目,主题标签有限,建议打开仓库查看具体用途。
A TensorFlow Implementation of Tacotron: A Fully End-to-End Text-To-Speech Synthesis Model
ai-audio-startups 是一个多媒体工具,用于处理音视频内容。
Community list of startups working with AI in audio and music technology
SALMONN 是一个多媒体工具,用于处理音视频内容。
SALMONN family: A suite of advanced multi-modal LLMs
AuK 是用 Python 编写的学习资料,用于系统学习与查阅,主打开源免费。
AuK: An Open-Source Foundational Model for Speech Generation and Editing
CrisperWhisper 是用 Python 编写的多媒体工具,用于处理音视频内容。
Controllable Transcription. Verbatim ( every, filler, pause, stutter, vocal sound) , or intended ( what the speaker meant to say, optimized for read…
Speech-Emotion-Analyzer 是用 Jupyter Notebook 编写的 AI 工具,用于人工智能方向的建模与推理。
The neural network model is capable of detecting five different male/female emotions from audio speeches. (Deep Learning, NLP, Python)
voicefixer 是用 Python 编写的开源项目,主题标签有限,建议打开仓库查看具体用途。
General Speech Restoration
MTools 是一个功能强大的多功能桌面应用程序,集成了音视频处理、图片编辑、文本操作和编码工具,内置AI增强功能,并提供本地 MCP 服务。旨在简化您的工作流程,提升生产效率
MTools 是一个功能强大的多功能桌面应用程序,集成了音视频处理、图片编辑、文本操作和编码工具,内置AI增强功能,并提供本地 MCP 服务。旨在简化您的工作流程,提升生产效率
自然语言处理领域下的相关论文(附阅读笔记),复现模型以及数据处理等(代码含TensorFlow和PyTorch两版本)
自然语言处理领域下的相关论文(附阅读笔记),复现模型以及数据处理等(代码含TensorFlow和PyTorch两版本)
StreamSpeech 是用 Python 编写的多媒体工具,用于处理音视频内容。
StreamSpeech is an “All in One” seamless model for offline and simultaneous speech recognition, speech translation and speech synthesis.
Deep-Learning-Experiments 是用 Jupyter Notebook 编写的 AI 工具,用于人工智能方向的建模与推理。
Videos, notes and experiments to understand deep learning
dc_tts 是用 Python 编写的开源项目,主题标签有限,建议打开仓库查看具体用途。
A TensorFlow Implementation of DC-TTS: yet another text-to-speech model
项目列表来自 GitHub 官方 Search API(stars:>1000)。单个查询最多只能返回前 1000 条,所以「同步热门」取到的是星标最高的 1000 个;要拿全量必须按星标区间拆成多个查询——本站会先查各区间的真实数量再自动切分(1k–2k 约 3.2 万个,2k–5k 约 2.1 万个,5k–20k 约 1 万个,2 万以上约 2300 个)。GitHub 上星标过千的公开仓库当前约 66,044 个,本站已收录 65,726 个。星标、简介、语言与主题均为 GitHub 原始字段,未做人工逐一核验。
中文介绍分三种来源,卡片与详情页均有标注:热门项目使用本站人工维护的条目;其余项目由程序依据语言、主题、简介中的特征词与项目数据自动生成;仓库原简介本身是中文时直接引用原文。自动生成的介绍只是对公开字段的归纳,不代表项目方表述,也不构成选型结论。
每日推荐按北京时间每天从星标 6000 以上、近 18 个月仍有提交且未归档的项目中选取,排除近 120 天已推荐过的项目,同一天内结果固定。推荐结果由规则引擎(或配置的大模型)生成,不构成选型结论。
每天每台设备可免费检索 3 次,浏览、筛选和关键词查找不消耗额度。选择下方任一方案即可继续(当前为模拟支付)。
模拟支付不会接入真实渠道,也不会产生任何扣款。