Moonshine开源项目 – 快速准确的自动语音识别系统

SubTitles.Love 是一款基于人工智能的字幕编辑工具，旨在帮助用户为社交媒体视频添加字幕，从而增强观众互动。它提供了简单的编辑界面，具备自动语音识别功能，并支持超过10种语言。用户只需上传视频，系统将以95%的准确率自动生成字幕，用户可以调整字幕样式，并下载适合社交媒体平台的成品视频。

WAAS是一个平台，提供OpenAI的Whisper自动语音识别（ASR）系统的图形用户界面和API，用户可以通过直接访问API或使用提供的GUI接口进行音频文件的转录和管理。

SpeechFlow是一个强大的语音转文本API，能够以高精度将声音转换为文本，支持14种语言。它提供自动语音识别（ASR）功能，能够将语音翻译成文本。该API在线可用，并提供易于集成到应用程序中的接口。

Transformers.js是一个在浏览器中运行Transformers模型的库，支持多种流行的深度学习模型，如BERT、T5、GPT-2等。它适用于多种任务，包括文本分类、翻译、摘要和问答，同时还支持自动语音识别和图像分类功能。该库提供了零样本图像分类和图像到文本的能力，方便用户在浏览器环境中进行各种深度学习任务。

一个强大高效、低延迟的语音转文本工具，支持状态监测和唤醒词触发。

Voicetapp是一款先进的AI软件，旨在将音频或视频内容转化为准确的文本转录。用户可以轻松地将播客、电话会议、视频及其他音频或视频文件转换为文本，具有极高的精确度。

Nexa SDK是一款全面支持ONNX和GGML模型的工具包，具备文本生成、图像生成、视觉-语言模型（VLM）、自动语音识别（ASR）和文本到语音（TTS）功能，提供OpenAI兼容的API服务器，支持JSON模式调用函数和流媒体，配备用户友好的Streamlit UI，方便开发者使用和集成。

Spirit LM是一个端到端的语音模型，提供基础版和高表现力版，能够进行高效的语音识别和生成，支持直接使用语音标记等多种特性，适用于复杂任务的处理。

Audimee是一个语音对语音的工具，允许用户使用我们高质量的模型来转换任何音频，旨在为专业用途提供服务。

YOLO-NAS是一个全新的目标检测模型，其在性能上超越了之前的目标检测模型，尤其适用于小型设备。该模型完全开源，具有高效的实时处理能力，特别适合在边缘设备上应用。通过利用流行的注意机制，YOLO-NAS显著提高了小物体检测的准确性和物体定位的精度，使其成为计算机视觉任务中的理想选择。

Whisper Turbo是一个跨平台的GPU加速版Whisper，能够在客户端浏览器或Electron应用里运行，提供高效的语音识别功能，便于开发者集成，支持多种音频格式的识别和实时语音处理。

JAX Synergistic Memory Inspector是一个用于检查JAX程序内存使用情况的工具，旨在优化性能。它可以帮助开发者识别内存瓶颈和低效之处，提供有关JAX张量的分配和释放的深入见解，能够与JAX工作流程无缝集成，并提供关于内存使用情况的详细报告和统计信息。

基于 Gemini 开发的英语口语练习 AI 助手，利用 Gemini 2.0 的多模态能力实时识别英语发音并提供反馈和语法纠正建议。

Eureka是一个服务发现工具，主要用于在云环境中管理微服务架构，提供服务注册和发现的功能。它支持客户端和服务器端的健康检查，具备负载均衡和自我保护机制，能够与Spring Cloud无缝集成，适用于各种微服务场景。

AI Copilot是一个集成在本地Jupyter Notebook中的协作助手，能够与图表进行对话，帮助用户不依赖于GitHub Copilot或其他AI代码生成扩展。