مصدر مفتوح. آفاق جديدة.

Basic Pitch هي مكتبة بايثون خفيفة من Spotify لتحويل الموسيقى تلقائياً، مستقلة عن الآلة. تحوّل الملفات الصوتية إلى MIDI مع كشف انحناء النغمة، وتدعم الآلات متعددة الأصوات، وتوفر واجهات سطر أوامر وبرمجية.

SpeechRecognition مكتبة بايثون للتعرف على الكلام تدعم محركات وواجهات متعددة عبر الإنترنت ودون اتصال، بما في ذلك CMU Sphinx وGoogle وAzure وIBM وVosk وWhisper وOpenAI.

تطبيق مفتوح المصدر لنسخ الصوت والفيديو محليًا دون اتصال، يستخدم نماذج Whisper وNVIDIA Parakeet وCanary بدقة عالية، مع ميزات تمييز المتحدثين وتكامل مع LLM.

إضافة VST3/AU تدمج توليد الأصوات من ElevenLabs مباشرة في محطة العمل الصوتية الرقمية (DAW) لإنشاء وتقطيع المؤثرات الصوتية.

torchaudio هي مكتبة معالجة صوتية لـ PyTorch، توفر تحميل بيانات مسرع بواسطة GPU، وتحويلات صوتية (مثل المخططات الطيفية وMFCC)، وأدوات محاذاة الكلام لتطبيقات التعلم الآلي.

audio.cpp هو محرك استدلال صوتي عالي الأداء مكتوب بلغة C++ النقية ويعتمد على ggml. يدعم تحويل النص إلى كلام، التعرف على الكلام، استنساخ الصوت، كشف النشاط الصوتي، توليد الموسيقى وغيرها، مع نشر محلي سريع وقابل للنقل دون اعتماد على بايثون.

VoxCPM2 هو نظام تحويل النص إلى كلام مفتوح المصدر من OpenBMB، يستخدم نموذج انتشار ذاتي راجعي بحجم 2 مليار معامل، ويدعم 30 لغة بما في ذلك اللهجات الصينية، مع تصميم الصوت عبر أوصاف نصية واستنساخ صوتي قابل للتحكم وإخراج صوتي بدقة 48 كيلو هرتز.