ModelScope魔搭开源的ClearerVoice-Studio项目，提供语音增强、语音分离、目标说话人提取等功能，旨在提升语音处理的质量和效率。

这是一款AI降噪工具，帮助人们使他们的声音更清晰。只需一键点击，人们就可以为他们的视频获得专业的音效。它还提供了专业的AI音频处理解决方案，允许用户本能地调整声音/噪音比例。

bench.audio 是一个开源的语音代理评估基准，类似于 LMSYS 的 ELO 基准，旨在让两个不同的语音代理进行对话，并投票哪个表现更好。该项目还计划推出 GPT-4o，以进一步提升其功能和性能。

《人体运动扩散模型》的论文代码，旨在高效生成和编辑人体运动，支持多种运动风格和动作捕捉数据。

Lamini是一个为企业软件开发提供支持的AI驱动的LLM平台，通过生成性AI和机器学习，帮助开发者自动化工作流，简化软件开发过程，提高生产力。

AIxBlock是一个平台，使用户能够利用全球未使用的计算资源来产品化他们的AI模型，同时保持完全的隐私控制。用户可以在几分钟内自我托管此AI平台，实现无缝开发、微调和在本地部署AI。

基于 PyTorch 的音乐生成和文本到语音（TTS）系统的实现，该系统使用基于 LLaMA 的大型语言模型（LLMs），并支持在单个 RTX 4090 GPU 上少于 10 小时内训练音乐生成模型

Audio Enhancer通过先进的AI驱动降噪和音频增强功能，彻底改变了音频处理，旨在为内容创作者、教育工作者和专业人士简化提高音频质量的任务，使其变得更加高效和可及。无论是提高播客质量、清理视频音轨，还是完善音乐录音，Audio Enhancer都能在一次点击中提供所需的工具。

实时AI变声工具

stablediffusion api是一个强大的API，旨在让开发者专注于构建下一代AI产品，而无需担心GPU的维护。它提供了便捷的接口，支持用户生成和微调Dreambooth Stable Diffusion，极大地简化了图像生成的流程和技术门槛。

CrystalSound是一个创新的AI驱动工具，通过深度神经网络技术，提取嘈杂背景中的声音，确保清晰的音频质量，适用于各种虚拟交流场景。

Smol Vision是一个专注于视觉模型的压缩、优化与定制的方案集，旨在缩小模型尺寸、提高运行速度，并实现个性化定制。该项目支持多种视觉任务，并易于集成与使用，适合在资源有限的环境中应用。

Revocalize AI是一个专业级AI语音生成工具包，允许用户创建自定义AI声音或使用官方授权的AI语音模型，在几秒钟内生成超真实的声音。它利用专有的语音合成技术捕捉声音的独特谐波，将任何输入声音转变为另一种声音，类似于为声音使用Photoshop。

slowllama实现了在苹果M1/M2设备（如MacBook Air或Mac mini）上对Llama2和CodeLlama模型（包括7B/70B等规模）进行微调，且未采用量化优化。

Zenpai Assistant 是一款桌面AI助手，可以自动完成许多手动任务，如图像调整大小、将jpg文件转换为png文件、将文本转换为语音、从视频中提取音频等。