★
VoxCPM 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。
VoxCPM2: Tokenizer-Free TTS for Multilingual Speech Generation, Creative Voice Design, and True-to-Life Cloning
nyrahealth / CrisperWhisper
CrisperWhisper
Controllable Transcription. Verbatim ( every, filler, pause, stutter, vocal sound) , or intended ( what the speaker meant to say, optimized for readability) with word-level timestamps.
CrisperWhisper 是用 Python 编写的多媒体工具，用于处理音视频内容。
目前累计 1.4k star、94 fork，主要语言为 Python，项目始于 2024 年，采用 NOASSERTION 许可。最近状态：近半年有提交。适合：处理音视频内容的开发者。
中文介绍优先采用本站人工维护条目；无维护条目时依据 GitHub 公开字段（语言、主题、星标、提交时间）自动生成，未经项目方确认，不构成选型结论。nyrahealth/CrisperWhisper 是一个以 Python 为主的开源项目，目前累计 1.4k star、94 fork，近半年有提交。主要方向：asr、音频、detection、filler、full-duplex-audio、labeling。
依据 GitHub 公开字段（语言、主题、星标、提交时间）自动生成，未经人工逐项核实。asr音频detectionfillerfull-duplex-audiolabelingrecognitionspeechspeech-processingspeech-recognitionstutter-detectionstuttering
README
正在加载…相关项目
★
sqlmap 是用 Python 编写的安全工具，面向安全研究与防护。
Automatic SQL injection and database takeover tool
★
TTS 是用 Python 编写的学习资料，用于系统学习与查阅，主打适合生产环境。
🐸💬 - a deep learning toolkit for Text-to-Speech, battle-tested in research and production
★
主流预训练模型库，NLP、视觉、多模态模型开箱即用，是 Hugging Face 生态的核心。
🤗 Transformers: the model-definition framework for state-of-the-art machine learning models in text, vision, audio, and multimodal models, for both…
★
OpenVoice 是用 Python 编写的 AI 模型，提供可直接使用的模型与权重。
Instant voice cloning by MIT and MyShell. Audio foundation model.
★
[EMNLP 2025 Demo] PDF scientific paper translation with preserved formats - 基于 AI 完整保留排版的 PDF 文档全文双语翻译，支持 Google/DeepL…
[EMNLP 2025 Demo] PDF scientific paper translation with preserved formats - 基于 AI 完整保留排版的 PDF 文档全文双语翻译，支持 Google/DeepL/Ollama/OpenAI 等服务，提供 CLI/GUI/…