audio-processing

Hochwertiges, trainingsfreies Inpainting für jedes Stable Diffusion-Modell. Unterstützt ComfyUI

C-Bibliothek zum Generieren von Audio-Fingerprints für AcoustID

Digitale Audio-Workstation mit Python; VST-Instrumente/-Effekte, Parameterautomatisierung, FAUST, JAX, Warp-Marker und JUCE-Prozessoren

StreamSpeech ist ein All-in-One-Modell für nahtlose Offline- und Simultanspracherkennung, -sprachübersetzung und -sprachsynthese.

FFME: Das erweiterte WPF MediaElement (basierend auf FFmpeg)

Eine ComfyUI-Custom-Node-Integration für lokales Multi-Engine- und Multi-Language-Text-to-Speech sowie Voice Conversion. Unterstützt: RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox (klassisch und multilingual), F5-TTS, Higgs Audio 2, 3 und VibeVoice mit unbegrenzter Textlänge, SRT-Timing, Charakter-Unterstützung und vielen Audiowerkzeugen

Open-Source-Audio-Annotationstool für Menschen

Audioverarbeitung mittels PyTorch 1D-Faltungsnetzwerk

Ein Framework für Sprach-, Audio-, Musik- und Textverarbeitung mit Large Language Models

Open-Source-Audio-Fingerprinting in .NET. Ein effizienter Algorithmus für akustisches Fingerprinting, rein in C# geschrieben.

Intelligentere Datenpipelines für Audio.

Leistungsstarke Audio-Engine für react-native

🎧 🎼 Der fortschrittlichste JavaFX Media Player.

KI-Produktivitätstool – Kostenlos und Open Source, verbessert die Benutzerproduktivität und schützt Privatsphäre sowie Datensicherheit. Beinhaltet unter anderem: integrierte lokale exklusive ChatGPT-, DeepSeek-, Phi-, Qwen- und andere Modelle, KI-gestützte Stapelverarbeitung von Bildern, Videos, Audio usw. mit nur einem Klick.

Sammlung von Ressourcen zu Anwendungen von Large Language Models (LLMs) in der Audio-KI.

Hochwertiger, header-only C++ Resampler für Profi-Audio / Abtastratenkonvertierung. Sehr schnell, sowohl für Audio-Resampling als auch für Zeitreiheninterpolation.

Ein C++-basierter, leichtgewichtiger Musik- und Rauschentferner für YouTube und andere Internetmedien, der DeepFilterNet zur Audioverbesserung nutzt.

⏩ Überspringt lange Pausen zwischen Sätzen automatisch – Vorlesungen ca. 1,5x schneller ansehen (Browser-Erweiterung)

[IJCV 2026] FoleyCrafter: Erwecken Sie stumme Videos mit lebensechten und synchronisierten Klängen zum Leben

PESQ-Wrapper (Perceptual Evaluation of Speech Quality) für Python-Nutzer (Schmalband und Breitband)

Checkrr durchsucht Ihre Bibliotheksdateien nach beschädigten Medien und ersetzt diese optional über sonarr und radarr.

Verschiedene Implementierungen von Weighted Prediction Error zur Sprach-Derehallung

Erstellung von VST2-, VST3-, AU-, AAX-, CLAP-, LV2- und FLP-Plugins für Linux, macOS und Windows mit D

Ein Open-Source-Projekt zur Vereinheitlichung von Audioverarbeitung und -generierung

Eine hochperformante, modulare Audio- & MIDI-Engine für .NET 8+. Ein vollständiges Toolkit für den gesamten Audio-Lebenszyklus: Wiedergabe, Aufnahme, Mehrspur-Bearbeitung, professionelle Synthese (MPE/SF2), Echtzeit-DSP und Visualisierung. Enthält eine Sicherheits-Suite für AES-256-Verschlüsselung, akustisches Fingerprinting und Wasserzeichen. Mit SIMD- und NativeAOT-Unterstützung.

Android-Bibliothek für Voice Activity Detection (VAD). Unterstützt WebRTC VAD GMM, Silero VAD DNN und Yamnet VAD DNN Modelle.

Eine nicht-lineare Videobearbeitungssoftware zur Erstellung hochwertiger Videos.