FunClip官网 – 开源本地化视频剪辑工具

音频理解项目，统一处理音乐标签、语音识别、音频描述等任务，让音频理解变得简单高效。

ChatPDF是一个支持与PDF文档进行自然语言对话的机器人，用户可以在本地部署，确保数据隐私，同时快速提取PDF中的信息，支持多种PDF格式，提供友好的用户界面。

Spirit LM是一个端到端的语音模型，提供基础版和高表现力版，能够进行高效的语音识别和生成，支持直接使用语音标记等多种特性，适用于复杂任务的处理。

NextChat 是一款开源的跨平台、全能型 AI 助手，支持多种主流 AI 模型（如 GPT-4、Gemini Pro、Claude、DeepSeek 等），并允许用户在本地快速部署。它支持跨平台使用（Windows、MacOS、Linux、网页端），提供丰富的格式支持（Markdown、LaTeX、Mermaid、代码高亮），并具备提示词模板与插件系统，提升个性化体验。NextChat 适用于开发者、学生、学者、企业团队及日常用户，帮助他们提高工作效率、进行学术研究、客户服务、团队协作、个人助理及创意写作等。

fairseq是一个用于序列建模的开源工具包，支持多种自然语言处理和语音处理任务。

百聆是一个开源的语音对话助手，结合了语音识别 (ASR)、语音活动检测 (VAD)、大语言模型 (LLM) 和语音合成 (TTS) 技术，旨在通过语音与用户进行自然的对话。该项目可以在无需GPU的情况下实现类GPT-4o的对话效果，适用于各种边缘设备和低资源环境。百聆具有高效开源模型、模块化设计、支持记忆功能、工具调用和任务管理等特点，提供高质量的语音对话体验，端到端时延800ms。

S.A.T.U.R.D.A.Y是一个用于处理WebRTC、音频和AI的工具箱，基于Pion、whisper.cpp和Coqui TTS构建。

Ello是一个旨在帮助幼儿园到三年级学生提高阅读技能的人工智能工具。它是一个互动的读书伴侣，利用其独特的Adaptive Learn™技术，实时适应每个孩子的学习节奏，使阅读变得有趣和富有互动性。Ello的首个产品是世界上最先进的阅读教练，结合了专有的语音识别和生成AI，旨在最大化所有儿童的学习潜力。

Distil-Whisper是一个令人印象深刻的AI模型，相较于Whisper，它提供了更快的推理速度和更小的模型体积，速度提高了6倍，体积减少了49%，在分布外评估集上表现也具有竞争力。

FunClip 是阿里巴巴通义实验室推出的开源视频剪辑工具，基于大语言模型（LLM）和自动化技术，能够精准进行语音识别并快速裁剪视频片段。它支持本地部署和在线体验，集成了阿里开源的工业级语音识别模型 Paraformer-Large 和 SeACo-Paraformer，提供热词定制和说话人识别功能。通过 Gradio 交互界面，用户可以轻松选择文本片段或说话人进行剪辑，并自动生成 SRT 字幕。FunClip 还支持多段自由剪辑和智能剪辑功能，结合大语言模型（如 GPT 系列）进行智能剪辑，提供便捷的用户体验。

整合了Mistral大型语言模型的实时语音转文本系统，基于WhisperLive和WhisperSpeech，提供高性能和低延迟处理。

可本地部署的AI语音工具箱，提供语音识别、语音转写、语音转换等功能，支持音频处理、数据集创建和模型训练，适用于音频文件到理想语音模型的转换。

SpeechEvalPro是一个发音评估与评分API解决方案，提供高质量的中英文发音评估。它结合了语音评估、语音识别等核心技术，为教育目的提供准确可靠的发音评估。

中文Guanaco(原驼)大语言模型，支持QLora量化训练，可在本地CPU/GPU上高效部署，旨在优化大语言模型的效率，适用于低资源环境的训练和应用。

Fairseq 是一个由 Facebook AI Research (FAIR) 开发的开源序列到序列学习工具包，专注于自然语言处理任务，如机器翻译、文本摘要、情感分析等。它提供了高效的训练和推理框架，支持多种模型架构，包括 Transformer、LSTM 等。Fairseq 广泛应用于文本生成、语音识别等领域，具有模块化设计，便于进行自定义开发。