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

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。

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

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。

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。

面向AI就绪数据的PDF解析器。

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

✨ 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。

适用于Apple Silicon设备的本地语音识别

基于OpenAI Whisper的说话人日志自动语音识别系统

自托管人工智能会计应用。支持收据、发票及交易的LLM智能分析器，具备自定义提示词与分类功能

顶尖自然语言处理技术

一款快速、实用且开源的文件解析工具

一款基于SMALL模型的开源Python3工具，能够识别图像中的版面布局、表格、数学公式以及文本，并将其转换为Markdown格式。作为Mathpix的免费替代方案，它实现了视觉内容到文本表征的无缝转换，并支持80多种语言。

通过网页界面100%本地化地将任意音频转录为文本，翻译并编辑字幕。由whisper模型驱动！