NVIDIA NeMo开源项目 – 生成式AI框架

NVIDIA NeMo是一个可扩展的云原生生成式AI框架，专为研究人员和PyTorch开发者设计，支持大语言模型（LLM）、多模态模型（MM）、自动语音识别（ASR）、文本转语音（TTS）和计算机视觉（CV）等领域。它旨在帮助用户高效地创建、定制和部署新一代AI模型，利用现有的代码和预训练模型检查点。NeMo基于Python配置，采用模块化抽象，支持在成千上万个GPU上进行大规模实验。

NVIDIA NeMo的特点:

1. 支持大语言模型（LLM）和多模态模型（MM）
2. 自动语音识别（ASR）和文本转语音（TTS）
3. 计算机视觉（CV）应用
4. 模块化设计，易于扩展和定制
5. 支持大规模分布式训练

NVIDIA NeMo的功能:

1. 用于大语言模型的训练和微调
2. 生成多模态内容，如图像和视频
3. 语音识别和语音合成
4. 计算机视觉任务，如图像分类和目标检测
5. 部署生成式AI模型到生产环境

相关导航

VoiceVector官网 – 无限语音克隆技术

VoiceVector 提供先进的语音克隆、文本转语音和语音转文本技术，支持按需付费，灵活实用。

Clearly Reader官网 – 便捷的在线阅读工具

Clearly Reader 是一款功能丰富的 Chrome 阅读扩展，帮助用户轻松阅读各种在线材料，去除干扰，提升可读性。

RealChar开源项目 – 即时创建与AI角色的互动

实时创建、自定义和与您的 AI 角色/同伴交谈（全部在一个代码库中！使用LLM OpenAI GPT3.5 / 4，Anthropic Claude2，Chroma Vector DB，Whisper Speech2Text，ElevenLabs Text2Speech）

Garden Of AI官网 – 全能智能助手，满足你的各种需求

Garden Of AI是首个通用智能代理，通过理解用户的命令，能够执行各种任务。用户只需输入想要的操作，Garden Of AI便能通过自然对话方式处理并执行。

AudiblDoc – Text toSpeech-智能文本与语音转换工具

AudiblDoc是一款文本转语音及语音转文本的应用，能够将文档转换为音频格式，同时也支持将语音转换为文本，方便用户进行信息获取与内容记录。

幻方 AI 模型仓库开源项目 – 多领域高性能AI模型集成

包含了从计算机视觉、自然语言处理到生物计算、气象预测等各个领域的模型，这些模型结合了幻方萤火超算集群的特点，使用并行训练、高效算子、高性能存储等方式，大幅提升原有模型的性能，节省训练时间。

Cotempqa开源项目 – 大语言模型的共时推理能力

Cotempqa项目旨在探讨大型语言模型在共时推理方面的能力，特别是如何理解和分析时序数据。该项目提供了分析视频中时间序列事件和处理动态变化的数据集的工具，帮助研究者和开发者在实时数据处理和推理方面获得更深入的理解与应用。

Supertone官网 – 先进的AI语音技术，提升声音体验

Supertone是一家先进的AI驱动语音技术公司，专注于转变和增强语音体验。旨在为内容创作者、企业和各行业提供创新解决方案，Supertone简化复杂的音频任务，使创造力和沟通更具可及性与效率。

podlm-public开源项目 – 将URL转为播客并推送至小宇宙

podlm-public 是一个将任意网页 URL 转换为播客并自动推送至‘小宇宙’平台的工具。项目通过后端服务处理合成任务，支持多线程执行，并包含自动发布逻辑。项目提供多种服务文件和UI页面，支持大语言模型（LLM）和文本转语音（TTS）服务配置。用户可以根据需求自行替换API和TTS服务信息来运行项目。使用Python实现，支持本地运行并通过网页访问管理合成记录。

Glue Factory开源项目 – CVG的深度学习视觉特征库

Glue Factory是CVG开发的一个库，用于训练和评估深度神经网络，专注于提取和匹配局部视觉特征。