库 / 框架
标签
同类项目
speech_recognition9kPython 语音识 别库， 统 一 封 装 多 种 在线 与 离线识 别 引擎 （Google、 Whisper、 Vosk 等）， 供开发者 在 程序 中 调用。 
SALMONN1.6k字节跳动 的 多 模态 大语言模型 系列， 覆盖 语音、 音频 与 音视 频理解， 并 开源 模型 权重 与 推理 训练 代码。 
faster-whisper26.7k基于CTranslate2 的 Whisper语 音 转写 推理 库， 更 快 更 省 内存， 支持量化 与 词级 时间 戳。 
vosk-api15.2k支持20 多 种 语言 的 离线语 音识 别工 具包， 提供 多 语言SDK 绑定， 可跑 在 手机 与 服务器 上。 
audio3kPyTorch 官方音频 处理库， 提供 数据 集加载、 音频 变换 与 语音 处理 组件。 
mlt1.9k一个 面 向 视频 编辑 的 LGPL 多 媒体 框架， 为 应用 提供 音视频 解码、 合成、 滤镜 与 时间 线 处理 等 底层 能力。