工具软件
Insanely Fast Whisper：98秒的时间内转录5小时
基于Whisper-large-v3语音模型的快速转录，使用Transformers、Optimum 和 flash-attn 引擎，能在不到98秒的时间内转录5小时的音频，在Google Colab T4 GPU上...
Umi-OCR V2 文字识别工具 – 开源、免费、实用的离线OCR软件
全新升级：V2版本重构了绝大部分代码，提供焕然一新的界面和更强大的功能。 免费：本项目所有代码开源，完全免费。 方便：解压即用，离线运行，无需网络...
html-to-image：将 HTML 网页转化成图片的库
该项目可以将任意 DOM 节点，转换成 SVG、PNG、JPEG 等多种格式的图像，可直接在 React 和原生 JavaScript 代码中使用。 安装 npm install --save html-to-...
Distil-Whisper：比Whisper快6倍，体积小50%的语音识别模型
Distil-Whisper：比Whisper快6倍，体积小50%的语音识别模型 该模型是由Hugging Face团队开发，它在Whisper核心功能的基础上进行了优化和简化，体积缩小了50%...
阿里云研发大规模音频语言模型Qwen-Audio
Qwen-Audio（Qwen Large Audio Language Model）是阿里云提出的大模型系列Qwen（简称统一前文）的多模态版本。Qwen-Audio 接受多种音频（人类语音、自然声音...
Story-to-Motion：根据文本故事内容生成连续的角色的动画
该项目商汤科技研究院开发，能够处理复杂的文本描述，并将这些描述转换成具体的动作和位置信息。 它不仅能生成单一动作，还能连续地生成一系列动作，创造出...
Windrecorder：连续记录屏幕内容，通过OCR技术识别记录内容
这是一款可以持续记录屏幕画面、通过关键词搜索等方式随时找回相关记忆的工具。 它的所有能力（录制、识别处理、存储回溯等）完全运行在本地，无需联网，不上...
开源代码大模型DeepSeek Coder
DeepSeek Coder 由一系列代码语言模型组成，每个模型都在 2T 令牌上从头开始训练，其中 87% 是英文和中文的代码，13% 是自然语言。我们提供各种尺寸的代码模...
MuseScore: 一款开源免费的乐谱软件
这是一款用 C++ 编写的创建和编辑乐谱的桌面工具，它拥有精美的界面、中文语言和丰富的功能，重点是免费畅用无限制。支持为包括钢琴、吉他等 500 多种乐器编...
一个开源的实时人体姿态估计模型YOLO-NAS Pose
它的主要功能是识别图片和视频中人的姿势。例如你有一段视频，里面有人在跳舞或者做运动，它能够识别出这个人的每个关节在哪里，比如手肘、膝盖等，然后画出...