"语音活动检测"

KoljaB/RealtimeSTT

RealtimeSTT：实时语音转文本库 — RealtimeSTT是一个基于Python的库，能够实现实时语音转文本，具有高效、低延迟和准确的特点。它可以应用于各种语音交互场景，例如虚拟助手、语音识别等。RealtimeSTT的先进功能使其成为语音技术领域的一种重要工具。

Python★ 10k⑂ 850other

☆

snakers4/silero-vad

silero-vad：企业级语音活动检测器 — Silero VAD 是一个预训练的企业级语音活动检测器，适用于语音识别和语音命令等场景。它基于 ONNX 和 PyTorch 构建，能够高效准确地检测语音活动。

Python★ 9.6k⑂ 804ai-ml

☆

android/uamp

uamp：Android 音频示例应用 — uamp 是一个 Android 平台上的音频应用示例，使用 Kotlin 编写。它为开发者提供了一个参考示例，展示了如何使用 Android 的音频 API。通过 uamp，开发者可以学习如何创建自己的音频应用

Kotlin★ 13.2k⑂ 3.8kmobile

☆

coqui-ai/TTS

TTS：深度学习文本转语音工具包 — TTS是一个基于深度学习的文本转语音工具包，支持多种语音合成模型和声码器，包括Glow-TTS、HiFiGAN和MelGAN等。它已在研究和生产环境中得到广泛应用，能够生成高质量的语音。TTS的主要特点包括支持多说话人语音合成、声码器和语音合成模型的选择等

Python★ 45.8k⑂ 6.2kai-ml

☆

Zackriya-Solutions/meetily

meetily：开源AI会议助手 — meetily是一个自托管、开源的AI会议记录工具，支持macOS和Windows系统，采用Rust编程语言，实现了快速的Parakeet/Whisper实时转录和Ollama总结。meetily注重隐私保护，所有处理都在本地进行，无需云服务。meetily的出现为用户提供了一个安全、快速的会议记录解决方案

Rust★ 25.6k⑂ 2.6kai-ml

☆

actions/checkout

checkout：代码库检出操作 — checkout是一个GitHub Actions的操作，用于检出代码库，以便在工作流程中执行后续的操作。它支持多种版本控制系统，包括Git。使用checkout，可以轻松地在工作流程中获取代码库的最新版本，并执行自动化的测试、构建和部署等操作。

TypeScript★ 8.5k⑂ 2.7kweb

+8 ★☆

espnet/espnet

espnet：端到端语音处理工具包 — espnet是一个基于Python的工具包，提供了从语音识别到语音合成等一系列的语音处理功能。它支持多种深度学习框架，包括chainer和pytorch。通过使用espnet，可以快速开发和部署语音处理应用，提高语音识别和合成的准确性和效率。

Python★ 9.9k⑂ 2.4kai-ml

☆

open-mmlab/Amphion

Amphion：音频、音乐和语音生成工具包 — Amphion提供了一系列的音频、音乐和语音生成工具和库，包括audio-generation、speech-synthesis和music-generation等。它支持Python语言，帮助研究人员和工程师快速开发和测试音频、音乐和语音生成模型。同时，Amphion也提供了许多预训练模型和示例代码，方便用户快速上手。

Python★ 10k⑂ 829other

☆

aristocratos/btop

btop：系统资源监控工具 — btop 是一个使用 C++ 编写的系统资源监控工具，用于显示系统的 CPU、内存、磁盘和网络资源使用情况。它可以帮助用户实时监控系统资源，快速发现和解决系统瓶颈。通过使用 btop，用户可以优化系统性能和资源利用率。

C++★ 33.6k⑂ 1.1kother

☆

karpathy/autoresearch

autoresearch：自动研究项目 — autoresearch项目使用AI代理自动进行研究，重点关注单GPU上的nanochat训练，能够自动完成训练过程。该项目利用Python语言开发，能够高效地进行研究工作。autoresearch项目的目标是实现自动化研究，减少人工干预，提高研究效率

Python★ 91.6k⑂ 13.1kai-ml

☆

2noise/ChatTTS

ChatTTS：日常对话生成语音模型 — ChatTTS是一个基于Python的生成式语音模型，利用自然语言处理和机器学习算法，实现日常对话的语音生成。它支持多种语言，包括英语和中文，能够很好地模拟人类对话。ChatTTS的出现使得语音交互变得更加自然和人性化.

Python★ 39.7k⑂ 4.2kai-ml

☆

moonshine-ai/moonshine

moonshine：低延迟语音处理工具 — moonshine 是一个专注于极低延迟语音处理的工具，支持语音转文本、意图识别和文本转语音，特别适合用于开发语音助手和用户界面。

C++★ 10.1k⑂ 526ai-ml

+282 ★☆

jiaaro/pydub

pydub：音频操作库 — pydub 提供了一个简单易用的接口来操作音频，允许用户以高级方式处理音频数据。它支持多种音频格式，包括 WAV、MP3 和 FLAC。通过使用 pydub，开发者可以轻松地创建、编辑和操作音频文件

Python★ 9.8k⑂ 1.1kother

☆

osquery/osquery

osquery：操作系统监控和分析 — osquery是一个开源的操作系统监控和分析工具，使用SQL来查询和分析操作系统的数据。它能够提供实时的操作系统信息，帮助用户监控和分析系统的安全性和性能。通过使用osquery，用户可以更好地了解和管理自己的系统

C++★ 23.4k⑂ 2.6kdevops

☆

babysor/MockingBird

MockingBird：实时语音克隆与生成 — MockingBird利用Python和PyTorch实现了快速的语音克隆和实时语音生成，能够广泛应用于语音合成、语音助手等领域。它的出现标志着语音技术的重大进步，能够为人们带来更加自然和便捷的语音交互体验。同时，MockingBird也为AI和深度学习的研究提供了新的可能性

Python★ 36.9k⑂ 5.2kai-ml

☆

RVC-Project/Retrieval-based-Voice-Conversion-WebUI

Retrieval-based-Voice-Conversion-WebUI：基于检索的语音转换Web界面 — Retrieval-based-Voice-Conversion-WebUI是一个开源项目，利用检索模型实现语音转换。它可以帮助用户轻松训练一个好的语音转换模型，仅需10分钟的语音数据。该项目使用Python语言开发，集成了多种技术，如so-vits-svc和vits，能够实现高质量的语音转换。

Python★ 36.5k⑂ 5.1kdata

☆

handy-computer/transcribe.cpp

transcribe.cpp：语音转文字工具 — transcribe.cpp是一个基于ggml库的语音转文字工具，支持超过16种不同的模型家族。它能够高效地将语音转换为文本，适用于多种应用场景。

C++★ 1.4k⑂ 35other

+395 ★☆

xcanwin/KeepChatGPT

KeepChatGPT：提高ChatGPT数据安全和效率的插件 — KeepChatGPT通过提供自动刷新、保持活跃、数据安全等功能，提高了ChatGPT的数据安全能力和效率。同时，它还提供了诸如克隆对话、言无不尽和净化页面等创新功能，提升了用户的AI体验。通过使用KeepChatGPT，用户可以享受更加安全、顺畅和高效的AI互动。

JavaScript★ 14.9k⑂ 738ai-ml

☆

MiniMax-AI/skills

skills：人工智能技能开发库 — skills是一个开源的C#库，用于开发和集成人工智能技能。它提供了一种简单的方式来创建和管理AI能力，使得开发者可以更加容易地将AI集成到自己的应用程序中。通过使用skills，开发者可以快速构建智能应用，提高用户体验

C#★ 13.1k⑂ 1.1kother

☆

Unclecheng-li/VulnClaw

VulnClaw：基于AI的漏洞发现和利用工具 — VulnClaw利用大语言模型和自然语言输入，能够自动完成漏洞发现和利用的全流程。该工具结合了AI技术和渗透测试技能，能够提高漏洞发现和利用的效率和准确性。同时，VulnClaw也能够生成报告，方便用户查看和分析漏洞信息。

Python★ 1.7k⑂ 227ai-ml

+132 ★☆

AudioKit/AudioKit

AudioKit：音频合成与分析平台 — AudioKit是一个强大的音频合成、处理和分析平台，支持iOS、macOS和tvOS。它提供了丰富的音频功能，包括MIDI支持，能够帮助开发者创建出色的音频应用。AudioKit使用Swift语言开发，易于集成和使用

Swift★ 11.4k⑂ 1.6kmobile

☆

rcourtman/Pulse

Pulse：实时监控和AI洞察 — Pulse提供了实时监控和AI驱动的洞察，帮助用户快速发现和解决问题。它支持多种平台，包括Proxmox、Docker和Kubernetes，提供智能告警和统一的仪表盘。通过使用Pulse，用户可以提高系统的可靠性和性能

Go★ 6k⑂ 241devops

☆

interviewstreet/hiring-agent

hiring-agent：人工智能招聘评估工具 — hiring-agent是一个使用Python编写的AI代理，用于评估和评分简历。它可以帮助招聘人员快速筛选出合适的候选人，提高招聘效率。hiring-agent的出现标志着招聘行业向智能化转型的重要一步

Python★ 2.5k⑂ 623ai-ml

+203 ★☆

mozilla/DeepSpeech

DeepSpeech：开源嵌入式语音识别引擎 — DeepSpeech是一个开源的语音识别引擎，可以在设备上离线运行，使用C++编写，利用深度学习和神经网络技术来实现高准确率的语音识别。它支持多种设备，并且可以实时运行，具有广泛的应用前景。DeepSpeech的开源性使其受到广泛关注和贡献。

C++★ 26.8k⑂ 4.1kai-ml

☆

apache/hertzbeat

hertzbeat：下一代开源实时可观测性系统 — hertzbeat是一个基于Java的开源系统，提供实时监控和分析功能，支持多种数据源，如Prometheus、Grafana和Zabbix，能够帮助用户快速发现和解决系统问题。hertzbeat的AI能力可以自动化监控和告警，提高系统的可靠性和稳定性。同时，hertzbeat也支持自托管和多种通知方式，满足不同用户的需求。

Java★ 7.3k⑂ 1.3kai-ml

☆

hiyouga/LlamaFactory

LlamaFactory：统一高效微调 — LlamaFactory实现了对100多个LLMs和VLMs的统一高效微调，支持多种微调方法，包括fine-tuning、instruction-tuning和Lora等。该项目使用Python语言开发，基于Transformers库，能够高效地微调大语言模型。LlamaFactory的出现对于自然语言处理（NLP）领域具有重要意义，能够帮助研究人员和开发人员更好地利用大语言模型

Python★ 73.4k⑂ 9kai-ml

☆