ecog

🤗 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。

OpenAI Whisper模型的C/C++移植版本

社区支持的超级文档管理系统：扫描、索引和归档所有文档

面向AI就绪数据的PDF解析器。

一个轻量级的Python人脸识别与面部属性分析库，支持年龄、性别、情绪和种族识别。

WhisperX：具备词级时间戳标注的自动语音识别系统

ANTLR（语言识别另一工具）是强大的解析器生成器，用于读取、处理、执行或翻译结构化文本及二进制文件。

🌈 一款跨平台的划词翻译与OCR软件

端到端语音识别基础工具包与开源SOTA预训练模型，支持语音识别、语音活动检测、文本后处理等功能。

专为从事大语言模型、多模态和语音人工智能（自动语音识别与文本转语音）的研究人员和开发者打造的可扩展生成式AI框架

按模型组织的尖端深度学习脚本——易于在企业级基础设施上进行训练和部署，并具备可复现的准确性与性能。

适用于Android、iOS、树莓派及服务端的离线语音识别API，支持Python、Java、C#和Node.js开发语言。

基于nano banana pro🍌的原生AI PPT生成应用，迈向真正的"氛围PPT"；支持上传任意模板图片；上传任意素材并智能解析；通过一句话/大纲/页面描述自动生成PPT；口头修改指定区域、一键导出可编辑PPT文件

🖼️ 图像工具箱是一款支持高级图像处理的强大应用，提供从基础裁剪绘制到滤镜、OCR及多种图像处理功能的数十种特性

OpenVINO™是用于优化和部署AI推理的开源工具套件

说话人日志神经构建模块：语音活动检测、说话人变更检测、重叠语音检测、说话人嵌入

一款快速、实用且开源的文件解析工具

面向边缘设备的快速准确自动语音识别

✨ 全贡献者机器人网站与文档。认可所有贡献者，而不仅仅是推送代码的人 ✨

领先的免费开源人脸识别系统

一个用于在文本、图像和结构化数据中检测、编辑、掩码和匿名化敏感数据的开源框架。支持自然语言处理、模式匹配和可定制流水线。

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。

面向苹果芯片的端侧语音人工智能

适用于Apple Silicon设备的本地语音识别