audio-processing

Inpainting de alta calidad sin entrenamiento para cualquier modelo de Stable Diffusion. Compatible con ComfyUI

Biblioteca en C para generar huellas digitales de audio utilizadas por AcoustID

Estación de trabajo de audio digital con Python; instrumentos/efectos VST, automatización de parámetros, FAUST, JAX, marcadores de deformación y procesadores JUCE.

StreamSpeech es un modelo integrado "Todo en uno" para el reconocimiento, traducción y síntesis de voz tanto fuera de línea como simultáneos.

FFME: El MediaElement avanzado de WPF (basado en FFmpeg).

Una integración de nodos personalizados para ComfyUI que permite el uso local de motores de conversión de texto a voz y voz a voz en múltiples idiomas. Soporta: RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox (clásico y multilingüe), F5-TTS, Higgs Audio 2, 3 y VibeVoice, con longitud de texto ilimitada, temporización SRT, soporte de personajes y diversas herramientas de audio.

Herramienta de código abierto para la anotación de audio

Procesamiento de audio mediante redes de convolución 1D de PyTorch.

Un framework para procesamiento de voz, lenguaje, audio y música con modelos de lenguaje grandes

Huella digital de audio de código abierto en .NET. Un algoritmo eficiente para huellas acústicas escrito puramente en C#.

Canalizaciones de datos más inteligentes para audio.

Motor de audio de alto rendimiento para react-native.

El reproductor multimedia JavaFX más avanzado

Herramienta de productividad con IA: gratuita y de código abierto, diseñada para mejorar la productividad del usuario y proteger la privacidad y la seguridad de los datos. Incluye, entre otros: modelos locales exclusivos integrados como ChatGPT, DeepSeek, Phi, Qwen y otros, además de procesamiento inteligente por lotes con un solo clic para imágenes, videos, audio, etc.

Colección de recursos sobre las aplicaciones de modelos de lenguaje (LLM) en IA de audio.

Biblioteca C++ de solo cabecera para remuestreo de audio profesional de alta calidad y conversión de frecuencia de muestreo. Muy rápida, tanto para remuestreo de audio como para interpolación de series temporales.

Eliminador de música y ruido ligero basado en C++ para YouTube y otros medios de internet, que utiliza DeepFilterNet para la mejora de audio.

⏩ Adelanta las pausas largas entre frases: mira conferencias ~1.5 veces más rápido (extensión de navegador).

[IJCV 2026] FoleyCrafter: Da vida a videos mudos con sonidos realistas y sincronizados.

Wrapper de PESQ (Perceptual Evaluation of Speech Quality) para usuarios de Python (banda estrecha y banda ancha)

Checkrr escanea los archivos de tu biblioteca en busca de archivos multimedia corruptos y, opcionalmente, los reemplaza a través de sonarr y radarr

Diferentes implementaciones de "Weighted Prediction Error" para la desreverberación de voz

Crea complementos VST2 / VST3 / AU / AAX / CLAP / LV2 / FLP para Linux/macOS/Windows usando D.

Un proyecto de código abierto para unificar el procesamiento y la generación de audio.

Motor de audio y MIDI modular de alto rendimiento para .NET 8+. Un kit de herramientas completo para el ciclo de vida del audio: reproducción, grabación, edición multipista, síntesis profesional (MPE/SF2), DSP en tiempo real y visualización. Incluye una suite de seguridad única para cifrado AES-256, huella acústica y marca de agua. Cuenta con soporte para SIMD y NativeAOT.

Biblioteca de detección de actividad de voz (VAD) para Android. Soporta modelos WebRTC VAD GMM, Silero VAD DNN y Yamnet VAD DNN.

Un software de edición no lineal que ayuda a crear videos de alta calidad