audio-processing

Inpainting de alta qualidade sem necessidade de treinamento para qualquer modelo de Stable Diffusion. Suporta ComfyUI.

Biblioteca C para gerar impressões digitais de áudio usadas pelo AcoustID.

Estação de trabalho de áudio digital (DAW) com Python; inclui instrumentos/efeitos VST, automação de parâmetros, FAUST, JAX, Warp Markers e processadores JUCE.

StreamSpeech é um modelo "tudo em um" contínuo para reconhecimento, tradução e síntese de fala offline e simultânea.

FFME: O MediaElement avançado para WPF (baseado em FFmpeg).

Uma integração de nó personalizado do ComfyUI para conversão de texto em fala e voz local com múltiplos motores e idiomas. Suporta: RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox (clássico e multilíngue), F5-TTS, Higgs Audio 2, 3 e VibeVoice com comprimento de texto ilimitado, temporização SRT, suporte a personagens e muitas ferramentas de áudio

Ferramenta de anotação de áudio de código aberto para humanos

Processamento de áudio usando rede de convolução 1D do PyTorch.

Um framework para processamento de fala, linguagem, áudio e música com Large Language Model

Fingerprinting de áudio de código aberto em .NET. Um algoritmo eficiente para fingerprinting acústico escrito puramente em C#.

Pipelines de dados mais inteligentes para áudio.

Motor de áudio de alto desempenho para react-native

🎧 🎼 O reprodutor de mídia JavaFX MAIS AVANÇADO

Ferramenta de produtividade de IA - Gratuita e de código aberto, melhora a produtividade do usuário e protege a privacidade e a segurança dos dados. Incluindo, mas não limitado a: modelos locais integrados como ChatGPT, DeepSeek, Phi, Qwen e outros, processamento inteligente em lote com um clique de imagens, vídeos, áudio, etc.

Coleção de recursos sobre as aplicações de Modelos de Linguagem Grande (LLMs) em Áudio AI.

Biblioteca C++ header-only de conversão de taxa de amostragem / reamostrador de áudio profissional de alta qualidade. Muito rápida, tanto para reamostragem de áudio quanto para interpolação de séries temporais.

Um removedor de ruído e música leve baseado em C++ para o YouTube e outras mídias de internet, usando DeepFilterNet para aprimoramento de áudio.

⏩ Avança rapidamente pausas longas entre frases — assista a palestras ~1.5x mais rápido (extensão de navegador)

[IJCV 2026] FoleyCrafter: Dê vida a vídeos silenciosos com sons realistas e sincronizados. Mestre de Foley por IA, adicione efeitos sonoros vívidos e sincronizados aos seus vídeos silenciosos 😝

Wrapper PESQ (Perceptual Evaluation of Speech Quality) para usuários de Python (banda estreita e banda larga)

O Checkrr verifica seus arquivos de biblioteca em busca de mídia corrompida e opcionalmente substitui os arquivos via sonarr e radarr

Diferentes implementações de "Weighted Prediction Error" para remoção de reverberação de fala

Crie plugins VST2 / VST3 / AU / AAX / CLAP / LV2 / FLP para Linux/macOS/Windows usando D.

Um Projeto de Código Aberto para Unificar o Processamento e a Geração de Áudio

Um mecanismo de áudio e MIDI modular de alto desempenho para .NET 8+. Um kit de ferramentas completo para todo o ciclo de vida do áudio: Reprodução, Gravação, Edição Multitrack, Síntese Profissional (MPE/SF2), DSP em tempo real e Visualização. Inclui um conjunto de segurança exclusivo para criptografia AES-256, impressão digital acústica e marca d'água. Com suporte a SIMD e NativeAOT.

Biblioteca de Detecção de Atividade de Voz (VAD) para Android. Suporta modelos WebRTC VAD GMM, Silero VAD DNN e Yamnet VAD DNN.

Um software de edição não linear que ajuda você a criar vídeos bonitos.