اوپن سورس۔ نئے امکانات۔

Lamitype ایک مفت، اوپن سورس، پرائیویسی پر مبنی macOS وائس ٹو ٹیکسٹ ایپ ہے جو Apple Silicon پر Qwen3-ASR ماڈل لوکل طور پر چلاتی ہے، روایتی چینی آؤٹ پٹ، لائیو کیپشن، ترجمہ اور پروف ریڈنگ سپورٹ کرتی ہے، اور اختیاری کلاؤڈ ڈکٹیشن بھی فراہم کرتی ہے۔

GPT Image 2 کے لیے ایک مرتب کردہ اوپن سورس پرامپٹ لائبریری، جس میں 16 زبانوں میں 2000 سے زائد پرامپٹس پیش نظارہ تصاویر کے ساتھ شامل ہیں، جو متن کی درست رینڈرنگ اور تصاویر کے درمیان مطابقت کے ساتھ اعلیٰ معیار کی AI امیج جنریشن کے لیے ڈیزائن کی گئی ہے۔

Google Chrome اور Mozilla Firefox کے لیے ایک براؤزر ایکسٹینشن جو YouTube ویڈیوز کے لیے ریئل ٹائم، دو لسانی سب ٹائٹل ترجمہ فراہم کرتا ہے۔

وکس سی پی ایم 2 ٹوکنائزر سے پاک ٹیکسٹ ٹو اسپیچ سسٹم ہے جس میں 2 بلین ڈفیوژن آٹو ریگریسو ماڈل 30 زبانوں، ٹیکسٹ تفصیلات سے وائس ڈیزائن، قابل کنٹرول وائس کلوننگ اور 48 کلو ہرٹز آؤٹ پٹ کو سپورٹ کرتا ہے۔

SenseVoiceSmall ایک اوپن سورس اسپیچ فاؤنڈیشن ماڈل ہے جو ASR، زبان کی شناخت، جذبات کی شناخت اور آڈیو ایونٹ کا پتہ لگانے کے لیے ہے، جس میں مینڈارن، کینٹونیز، انگریزی، جاپانی اور کورین شامل ہیں اور تیز غیر خود رجعت انفرنس فراہم کرتا ہے۔

LazyEdit مواد کی تخلیق، پروسیسنگ اور اختیاری اشاعت کے لیے ایک لوکل-فرسٹ، AI-اسسٹڈ ویڈیو ورک فلو ہے۔