audio-processing

适用于所有 Stable Diffusion 模型的高质量免训练 Inpaint。支持 ComfyUI

用于生成 AcoustID 所使用的音频指纹的 C 库。

使用 Python 的数字音频工作站；包含 VST 乐器/效果器、参数自动化、FAUST、JAX、Warp 标记与 JUCE 处理器

StreamSpeech 是一个用于离线与同步语音识别、语音翻译及语音合成的“一体化”无缝模型。

FFME：进阶的 WPF MediaElement（基于 FFmpeg）

一个 ComfyUI 自定义节点集成套件，用于本地多引擎、多语言文本转语音与语音转换。支持：RVC、Echo-TTS、Qwen3-TTS、Cozy Voice 3、Step Audio EditX、IndexTTS-2、Chatterbox（经典与多语言）、F5-TTS、Higgs Audio 2、3 与 VibeVoice，具备无限文本长度、SRT 计时、角色支持及多种音频工具

适用于人类的开源音频标注工具

使用 PyTorch 1D 卷积网络进行音频处理

结合大型语言模型的语音、语言、音频、音乐处理框架

.NET 的开源音频指纹识别。纯 C# 编写的高效声学指纹算法。

更聪明的音频数据管道。

适用于 react-native 的高性能音频引擎

🎧 🎼 最先进的 JavaFX 媒体播放器

AI 生产力工具 - 免费且开源，提升用户生产力，并保护隐私与数据安全。包含但不限于：内置本地专属 ChatGPT、DeepSeek、Phi、Qwen 等模型，一键批量智能处理图片、视频、音频等。

大型语言模型（LLMs）在音频 AI 应用之资源收集

高质量专业音频重采样器 / 采样率转换表头档限定（header-only）C++ 库。非常快速，适用于音频重采样与时间序列插值。

基于 C++ 的轻量级 YouTube 及其他网络媒体音乐与杂音消除工具，使用 DeepFilterNet 进行音频增强。

⏩ 快进句子之间的冗长停顿——以约 1.5 倍的速度观看讲座（浏览器扩展程序）

[IJCV 2026] FoleyCrafter：为无声视频赋予生动且同步的音效。AI 拟音大师，给你的无声视频添加生动而且同步的音效 😝

适用于 Python 用户的 PESQ（语音质量感知评估）包装器（窄带与宽带）

Checkrr 可扫描你的媒体库文件以检查损坏，并可选择通过 sonarr 与 radarr 进行替换

用于语音去混响的“加权预测误差”(Weighted Prediction Error) 不同实现方式

使用 D 语言为 Linux/macOS/Windows 制作 VST2 / VST3 / AU / AAX / CLAP / LV2 / FLP 插件

一个统一音频处理与生成的开源项目。

适用于 .NET 8+ 的高性能模块化音频与 MIDI 引擎。提供完整的音频生命周期工具组：播放、录制、多轨编辑、专业合成（MPE/SF2）、实时 DSP 与可视化。包含用于 AES-256 加密、声学指纹识别与水印的独特安全套件。支持 SIMD 与 NativeAOT。

Android 语音活动检测 (VAD) 库。支持 WebRTC VAD GMM、Silero VAD DNN 与 Yamnet VAD DNN 模型。

一款能协助您制作精美视频的非线性剪辑软件。