OpenAI Whisper模型的C/C++移植版本

纯C/C++实现的扩散模型（SD/Flux/Wan等）推理框架

LiteRT-LM 是谷歌推出的生产级、高性能、开源推理框架，用于在边缘设备上部署大型语言模型。

开源语音合成工作室

闪电般快速、设备端运行的多语言TTS——通过ONNX原生执行。

LÖVE是基于Lua的卓越2D游戏开发框架

1位量化大语言模型官方推理框架

开源前沿语音人工智能

开源 SenseVoiceSmall 模型，适用于普通话、粤语、英语、日语和韩语 ASR、语言 ID、情绪识别和音频事件检测。

一款轻量级、极速的进程内向量数据库

端到端语音识别基础工具包与开源SOTA预训练模型，支持语音识别、语音活动检测、文本后处理等功能。

MIT与MyShell联合开发的即时语音克隆技术

面向苹果芯片的端侧语音人工智能

顶尖开源文本转语音系统

YuE2：具有象征性规划、零镜头翻唱和代理音乐编辑的前沿音乐生成。

适用于Android、iOS、树莓派及服务端的离线语音识别API，支持Python、Java、C#和Node.js开发语言。

VoxCPM：面向上下文感知语音生成与逼真音色克隆的无分词器文本转语音系统

工业级可控高效的零样本文本转语音系统

说话人日志神经构建模块：语音活动检测、说话人变更检测、重叠语音检测、说话人嵌入

Stream 推出的开放视觉智能体平台。使用任意模型或视频提供商快速构建视觉智能体。利用 Stream 的边缘网络实现超低延迟。