modelscope

开源语音识别工具包，支持训练、推理、流式 ASR、VAD、标点、说话人分离流水线，并提供兼容 OpenAI / MCP 的服务接口

使用 PEFT 或 Full-parameter 对 600+ LLM（Qwen3.6、DeepSeek-V4、GLM-5.1、InternLM3、Llama4、...）和 300+ MLLM（Qwen3-VL、Qwen3-Omni、InternVL3.5、Ovis2.5、GLM4.5v、Gemma4、Llava、Phi4、...）进行 CPT/SFT/DPO/GRPO（AAAI 2025）

尽情体验 Diffusion 模型的魔力！

FaceChain 是用于生成您的数字双的深度学习工具链

ModelScope：将模型即服务（Model-as-a-Service）的概念落地。

基于 FunASR 的视频转录、字幕生成与 LLM 协助剪辑工具，配备本地 Gradio UI

一套 AI 驱动的语音处理工具包与开源 SOTA 预训练模型，支持语音增强、分离与目标说话人提取等功能

MS-Agent：轻量级框架，支持复杂任务的代理式执行。

一个精简且可自定义的框架，用于高效的大型模型（LLM、VLM、AIGC）评估与性能基准测试。

单模态与多模态说话者验证、识别与分段的数据库

AgentEvolver：迈向高效的自我演化 Agent 系统

🐿️ Sirchmunk：实时将原始数据转化为自我进化的智能。

SCEPTER 是一个用于生成式模型训练、微调与推论的开源框架