audio-processing

あらゆるStable Diffusionモデルに対応する、高品質かつトレーニング不要のインペイント。ComfyUIをサポート

AcoustID で使用されるオーディオフィンガープリントを生成するための C ライブラリ

Pythonによるデジタルオーディオワークステーション（DAW）; VSTインストゥルメント/エフェクト、パラメータ自動化、FAUST、JAX、Warp Markers、JUCEプロセッサ

StreamSpeech は、オフラインおよび同時音声認識、音声翻訳、音声合成のための「オールインワン」シームレスモデルです。

FFME: 高度なWPF MediaElement（FFmpegベース）

ローカルでのマルチエンジン・多言語の音声合成（TTS）および音声変換を行うためのComfyUIカスタムノード統合。RVC、Echo-TTS、Qwen3-TTS、Cozy Voice 3、Step Audio EditX、IndexTTS-2、Chatterbox（クラシックおよび多言語）、F5-TTS、Higgs Audio 2、3、VibeVoiceをサポートし、無制限のテキスト長、SRTタイミング、キャラクターサポート、および多数のオーディオツールを備えています。

人間向けのオープンソース音声アノテーションツール

PyTorchの1D畳み込みネットワークを使用した音声処理

大規模言語モデルを用いた音声、言語、オーディオ、音楽処理のためのフレームワーク

.NET向けのオープンソースの音声フィンガープリンティング。純粋なC#で書かれた、音響フィンガープリンティングのための効率的なアルゴリズム。

音声用のよりスマートなデータパイプライン

react-native向け高性能オーディオエンジン

🎧 🎼 最も高度なJavaFXメディアプレイヤー

AI生産性向上ツール - 無料かつオープンソースで、ユーザーの生産性を向上させ、プライバシーとデータのセキュリティを保護します。内蔵のローカル専用ChatGPT、DeepSeek、Phi、Qwenなどのモデル、画像・動画・音声などのワンクリック一括インテリジェント処理を含みますが、これらに限定されません。

オーディオAIにおける大規模言語モデル（LLM）の応用に関するリソース集

高品質なプロ用オーディオのリサンプラー／サンプルレート変換ヘッダーオンリー C++ ライブラリ。音声リサンプリングと時系列補間の両方で非常に高速です。

DeepFilterNetによる音声拡張を使用した、C++ベースの軽量なYouTubeおよびインターネットメディア向け音楽・ノイズリムーバー

文間の長い無音部分を早送りし、講義動画を約1.5倍速で視聴できるブラウザ拡張機能

[IJCV 2026] FoleyCrafter：リアルで同期したサウンドでサイレント動画に生命を吹き込む。無声動画に生き生きとした同期音声を追加するAIフォーリーツール 😝

Pythonユーザー向けのPESQ（音声品質の知覚評価）ラッパー（狭帯域および広帯域対応）

ライブラリ内の破損したメディアファイルをスキャンし、必要に応じてsonarrやradarr経由でファイルを置き換えるCheckrr

音声の残響除去（デリバーベレーション）のための「重み付き予測誤差（WPE）」のさまざまな実装

D 言語を使用して Linux/macOS/Windows 向けの VST2 / VST3 / AU / AAX / CLAP / LV2 / FLP プラグインを作成する

音声処理と生成を統合するオープンソースプロジェクト

.NET 8+ 向けの高性能かつモジュール式のオーディオ＆MIDIエンジン。再生、録音、マルチトラック編集、プロ仕様のシンセシス（MPE/SF2）、リアルタイム DSP、ビジュアライゼーションなど、オーディオのライフサイクル全体を網羅する完全なツールキット。AES-256暗号化、音響フィンガープリンティング、ウォーターマーキングのための独自のセキュリティスイートを搭載。SIMD と NativeAOT をサポート。

Android 音声活動検出 (VAD) ライブラリ。WebRTC VAD GMM、Silero VAD DNN、Yamnet VAD DNN モデルをサポート。

素敵な動画作成を支援するノンリニア編集ソフト