SwiftWhisper开源项目 – Swift调用的语音识别库

Whisper for Large Audio 是一个简单的解决方案，旨在帮助用户处理大音频文件的转录问题。用户可以直接在浏览器中将任意大型音频文件分割，并利用 OpenAI 的 Whisper 对分割后的部分进行转录，只需一键即可获得完整的转录文本，消除了文件大小限制和手动操作的繁琐。

Vocalize是一个平台，用户可以使用数千种流行的AI声音轻松创建AI音乐翻唱和文本到语音功能。用户只需选择一个声音，上传音频或输入文本，Vocalize便可以完成其余工作。

Text2Audio是一个简单的在线文本转语音(TTS)工具，可以将文本生成MP3音频文件。用户可以直接在网页中播放或下载音频文件。只需输入或粘贴希望听的文本，Text2Audio就会为您朗读。

WhisperChain 是一款结合了实时语音识别、语音清洗、全局热键支持和自动剪贴板集成功能的工具，旨在提高工作效率。它能够自动清理口头禅，优化表达，适用于会议记录、语音文档撰写、市场分析报告和客户反馈整理等多种场景。

RealtimeSTT_LLM_TTS是一个结合流式大型语言模型和GPT-SOVITS的工具，支持实时语音转文字和语音合成，能够通过网页实现跨网络服务调用，方便用户在不同场景中进行高效的语音交互。

STT是一个经过实战验证的深度学习工具包，专注于语音转文本技术，适用于研究和生产环境。

wasm-vips是一个为浏览器和Node.js编译的libvips库，采用WebAssembly技术，提供高效的图像处理功能。

Xorbits Inference（Xinference）是一个功能全面的分布式推理框架，支持大语言模型（LLM）、语音识别模型、多模态模型等各种模型的推理。它适用于研究者、开发者和数据科学家，支持一键部署自定义模型或内置开源模型，可在笔记本电脑、千节点集群及边缘设备上运行。

Podcast Shownotes Generator是一个由GPT-4驱动的工具，能够自动创建播客的笔记。用户可以上传音频文件，工具会生成摘要、标签、时间戳和文字记录。此外，该工具还与Apple Podcasts、Spotify和Google Podcasts等流行播客平台集成。

snowBrain 是一个基于AI的平台，专注于对雪花数据进行分析和提取有价值的信息。它利用先进的AI算法，为用户提供深刻的数据洞察，帮助企业更好地理解和利用其雪花数据。

该项目是一个专注于多视角3D空间预测的资源库，收集了超过100篇前沿论文和代码，涵盖CVPR、ICCV等顶级会议。特别适用于自动驾驶领域的3D场景理解，提供了一站式资源，方便研究人员访问最新方法及其实现。

该项目由新加坡南洋理工大学团队发起，针对Chatbot Arena平台（一个通过用户两两匿名投票评估大语言模型的流行平台）的投票欺诈漏洞进行深入研究。 研究发现，通过特定策略操纵少量投票即可显著改变目标模型的排名，例如使用"全在策略"可使目标模型Phi-3-small-8k-Instruct排名提升15位（仅需约27,000张操纵票）。 研究揭示了众包评估平台普遍存在的安全风险，并提供了防御机制测试工具。项目包含完整的模拟系统、多种作弊策略实现（如t_random/omni_bt_diff等）以及恶意用户检测方案。

Lamini-Memory-Tuning是一项针对大型语言模型幻觉抑制的创新研究。通过重新思考泛化问题，该项目提出了基于记忆专家混合体的动态事实存储与检索机制，有效减少模型在处理大规模互联网数据时的幻觉现象。这一技术不仅提高了模型的准确性，还增强了其在复杂查询和对话系统中的表现。

shap-e是OpenAI开发的一个开源AI 3D算法，能够根据单张图像生成多个3D模型。它可以在高性能显卡上高效运行，生成的模型支持导出为mesh格式，便于在Blender等软件中进行再编辑，适用于各种形状和物体的建模需求。

用Qemu创建的适用macOS的Linux子系统，类似于Windows Subsystem for Linux，旨在为macOS用户提供一个方便的Linux环境，以便运行Linux应用和工具。