audio-processing

適用於所有 Stable Diffusion 模型的高品質免訓練 Inpaint。支援 ComfyUI

用於產生 AcoustID 所使用的音訊指紋的 C 函式庫。

使用 Python 的數位音訊工作站；包含 VST 樂器/效果器、參數自動化、FAUST、JAX、Warp 標記與 JUCE 處理器

StreamSpeech 是一個用於離線與同步語音辨識、語音翻譯及語音合成的「一體化」無縫模型。

FFME：進階的 WPF MediaElement（基於 FFmpeg）

一個 ComfyUI 自訂節點整合套件，用於本機多引擎、多語言文字轉語音與語音轉換。支援：RVC、Echo-TTS、Qwen3-TTS、Cozy Voice 3、Step Audio EditX、IndexTTS-2、Chatterbox（經典與多語言）、F5-TTS、Higgs Audio 2、3 與 VibeVoice，具備無限文字長度、SRT 計時、角色支援及多種音訊工具

適用於人類的開源音訊標註工具

使用 PyTorch 1D 旋積網路進行音訊處理

結合大型語言模型的語音、語言、音訊、音樂處理框架

.NET 的開源音訊指紋辨識。純 C# 編寫的高效聲學指紋演算法。

更聰明的音訊資料管線。

適用於 react-native 的高效能音訊引擎

🎧 🎼 最先進的 JavaFX 媒體播放器

AI 生產力工具 - 免費且開源，提升使用者生產力，並保護隱私與資料安全。包含但不限於：內建本機專屬 ChatGPT、DeepSeek、Phi、Qwen 等模型，一鍵批次智慧處理圖片、影片、音訊等。

大型語言模型（LLMs）在音訊 AI 應用之資源收集

高品質專業音訊重取樣器 / 取樣率轉換表頭檔限定（header-only）C++ 庫。非常快速，適用於音訊重取樣與時間序列插值。

基於 C++ 的輕量級 YouTube 及其他網路媒體音樂與雜音消除工具，使用 DeepFilterNet 進行音訊增強。

⏩ 快轉句子之間的冗長停頓——以約 1.5 倍的速度觀看講座（瀏覽器擴充功能）

[IJCV 2026] FoleyCrafter：為無聲影片賦予生動且同步的音效。AI 擬音大師，給你的無聲影片添加生動而且同步的音效 😝

適用於 Python 使用者的 PESQ（語音品質感知評估）包裝器（窄頻與寬頻）

Checkrr 可掃描你的媒體庫檔案以檢查損毀，並可選擇透過 sonarr 與 radarr 進行替換

用於語音去殘響的「加權預測誤差」(Weighted Prediction Error) 不同實作方式

使用 D 語言為 Linux/macOS/Windows 製作 VST2 / VST3 / AU / AAX / CLAP / LV2 / FLP 外掛程式

一個統一音訊處理與生成的開源專案。

適用於 .NET 8+ 的高效能模組化音訊與 MIDI 引擎。提供完整的音訊生命週期工具組：播放、錄製、多軌編輯、專業合成（MPE/SF2）、即時 DSP 與視覺化。包含用於 AES-256 加密、聲學指紋識別與浮水印的獨特安全套件。支援 SIMD 與 NativeAOT。

Android 語音活動檢測 (VAD) 函式庫。支援 WebRTC VAD GMM、Silero VAD DNN 與 Yamnet VAD DNN 模型。

一款能協助您製作精美影片的非線性剪輯軟體。