Sonic Visualiser开源项目 – 音乐音频可视化与分析工具

以爱丽丝漫游“可微分”仙境为比喻，向读者介绍神经网络领域的入门书，涵盖自动微分优化函数、序列、图、文本和音频处理的设计技术。

Pake 是一个利用 Rust 语言开发的开源工具，支持将任何网页快速打包成轻量级桌面应用，兼容 Mac、Windows 和 Linux 平台，具有出色的性能和较小的封装体积。

GoWhisper 是一款跨平台桌面应用，旨在提供流畅且安全的音频转录服务。用户可以选择所需语言和模型大小，轻松拖放或上传音频文件，并以所需格式（srt、txt、vtt、csv）导出转录文本。

整理和提供用于构建通用语音、音频和音乐基础模型的数据集列表，以及相关的元数据和获取途径。该项目旨在帮助研究人员和开发者快速找到所需的音频数据集，以便进行模型训练和分析。

Secondbrain是一款跨平台桌面应用程序，用户可以在本机下载和运行大型语言模型(LLM)，实现本地AI对话，无需联网，充分保护用户隐私，让用户可以自由表达思想。

一个开源免费的跨平台 ChatGPT/Gemini 应用，通过一键部署轻松拥有自己的 ChatGPT 网页应用，支持多种 GPT 模型。

Nendo core是为开发人员设计的AI音频工具套件，提供了一个易于使用的、轻量的框架，集成了音频处理和库管理的基本要素，拥有可扩展的插件架构和不断增长的AI音频插件生态系统，涵盖了广泛的用例。

Cat9是一个为LASH设计的用户外壳，旨在提供简单的交互体验，允许用户通过自定义界面和各种命令来进行音频处理和脚本编写。它能够与外部工具和插件集成，极大地扩展了其功能性。

Stretchly 是一款开源免费的休息提醒工具，界面简洁易用，功能强大，支持根据用户习惯灵活安排工作和休息的时间提醒。

AudioNinja是一个基于AI的平台，提供创新工具用于精确音频分析和处理，能够去除歌曲中的人声，分离单独元素，并找到任何歌曲的调性和BPM，非常适合播客制作人、音乐家和研究人员，凭借其先进技术，提供无与伦比的精度和准确性。

openai-translator 是一款基于 ChatGPT API 的跨平台翻译工具，现已支持 Gemini Pro API，旨在为用户提供高效、便捷的翻译服务。

Music.AI允许公司和开发者构建和扩展音频驱动的AI产品和服务，提供定制化解决方案，支持多种用例。

Dinosaur Rss是一个基于Electron框架的开源RSS阅读器，支持用户订阅和阅读RSS源，提供简单易用的界面，最多可支持100个feeds，旨在提升用户的阅读体验。

一个用于为PodCast生成字幕的项目，通过解析音频地址和使用Whisper模型生成字幕。该项目支持MP3和M4A格式音频，并能够自动下载音频。用户可以在Google Colab中执行相关步骤，包含完整的字幕生成解决方案及示例代码，便于开发者使用Whisper和Pyannote进行音频内容的处理。

FlowSep是一个基于语言查询的声音分离模型，通过语言描述分离音频中的特定声音，使音频处理变得更加智能。该项目利用Rectified Flow Matching技术，实现从噪声到目标声音的高效生成，并在多个基准测试中超越现有最佳模型。FlowSep提供简单易用的推理代码，支持自定义音频和文本查询，适用于多种音频处理场景。