audio

🤗 Transformers：面向文本、视觉、音频及多模态模型的尖端机器学习模型定义框架，支持推理与训练全流程。

JavaScript三维图形库

🤖 开源免费的OpenAI、Claude及其他AI平台的替代方案。支持自主托管且本地优先，可作为OpenAI的即插即用替代方案运行于消费级硬件，无需GPU。兼容gguf、transformers、diffusers等多种模型架构。功能包括：文本生成、音频处理、视频制作、图像生成、语音克隆、分布式点对点推理。

🎥 命令行媒体播放器

面向直播与流媒体的跨平台可定制机器学习解决方案

基于深度神经网络的人声分离图形界面工具。

🎧☁️您的个人流媒体服务平台

从电子书生成有声书，支持语音克隆及1107种以上语言！

真正可用的音乐流媒体解决方案

纯Go语言实现的WebRTC API接口

自托管有声书与播客服务器

简单快速多媒体库

面向iOS、macOS和tvOS的音频合成、处理与分析平台

EarTrumpet - Windows 系统音量控制工具

JUCE是开源的跨平台C++应用程序框架，适用于桌面和移动应用，支持VST、VST3、AU、AUv3、LV2和AAX音频插件开发

基于 yt-dlp 的安卓全功能音视频下载工具

Mumble是一款开源、低延迟、高品质的语音聊天软件。

macOS 系统级音频均衡器与音量混音器 🎧

Mixxx是一款免费DJ软件，提供现场混音所需的全套功能。

用C语言编写的音频播放与采集库，单文件实现

VoxCPM：面向上下文感知语音生成与逼真音色克隆的无分词器文本转语音系统

一个基于苹果MLX框架构建的文本转语音、语音转文本及语音转语音库，可在Apple Silicon芯片上实现高效语音分析。

用于音频降噪的循环神经网络

Ardour源代码镜像