recognition

🤗 Transformers：面向文本、视觉、音频及多模态模型的尖端机器学习模型定义框架，支持推理与训练全流程。

OpenAI Whisper模型的C/C++移植版本

社区支持的超级文档管理系统：扫描、索引和归档所有文档

面向AI就绪数据的PDF解析器。

ANTLR（语言识别另一工具）是强大的解析器生成器，用于读取、处理、执行或翻译结构化文本及二进制文件。

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。

一个可扩展的生成式 AI 框架，专为从事大语言模型、多模态及语音 AI（自动语音识别与文本转语音）的研究人员和开发者构建。

专为从事大语言模型、多模态和语音人工智能（自动语音识别与文本转语音）的研究人员和开发者打造的可扩展生成式AI框架

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。

按模型组织的尖端深度学习脚本——易于在企业级基础设施上进行训练和部署，并具备可复现的准确性与性能。

🖼️ 图像工具箱是一款支持高级图像处理的强大应用，提供从基础裁剪绘制到滤镜、OCR及多种图像处理功能的数十种特性

通过聆听这些精彩讲座，沉浸式学习深度学习、强化学习、机器学习、计算机视觉和自然语言处理！！

为创作者和开发者打造的Gradio WebUI，具备核心TTS功能（Edge-TTS、kokoro）和零样本声音克隆（E2与F5-TTS、CosyVoice），并集成Whisper音频处理、YouTube下载、Demucs人声分离和多语言翻译。

一款快速、实用且开源的文件解析工具

面向边缘设备的快速准确自动语音识别

OpenVINO™是用于优化和部署AI推理的开源工具套件

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

一个用于在文本、图像和结构化数据中检测、编辑、掩码和匿名化敏感数据的开源框架。支持自然语言处理、模式匹配和可定制流水线。

领先的免费开源人脸识别系统

✨ 全贡献者机器人网站与文档。认可所有贡献者，而不仅仅是推送代码的人 ✨

自托管人工智能会计应用。支持收据、发票及交易的LLM智能分析器，具备自定义提示词与分类功能

面向苹果芯片的端侧语音人工智能

顶尖自然语言处理技术

一款基于SMALL模型的开源Python3工具，能够识别图像中的版面布局、表格、数学公式以及文本，并将其转换为Markdown格式。作为Mathpix的免费替代方案，它实现了视觉内容到文本表征的无缝转换，并支持80多种语言。