microsoft/VibeVoice

本页介绍外部开源仓库，并非 HDATF 产品。

它做什么

VibeVoice是一个开源语音AI项目。其语音识别模型可一次处理60分钟的长音频，转写为标注说话人和时间戳的文本；流式版本则在语音输入的同时进行转写。

对 ATF 的帮助

由于转写结果会标明谁在何时发言，可作为在ATF Works中把会议录音转为工作记录的参考。

许可证

MIT 宽松许可。保留版权声明即可商用和修改。

同领域的其他仓库

• siddharthvaddem/openscreen
  OpenScreen是用于制作产品演示和操作讲解视频的开源录屏工具，支持窗口或全屏录制、麦克风和系统音频、摄像头叠加画面、自动或手动缩放、光标效果以及在设备端生成字幕。该项目已归档。
• tiajinsha/JKVideo
  JKVideo是用React Native开发的第三方Bilibili客户端，支持DASH视频播放、弹幕、直播和下载。项目收到Bilibili律师函后已停止维护。
• OpenBMB/VoxCPM
  VoxCPM 是一款无需 tokenizer 的文本转语音（TTS）系统。VoxCPM2 为 2B 参数模型，支持 30 种语言、根据文字描述设计声音、基于短音频进行可控的声音克隆，以及 48kHz 音频输出。
• hacksider/Deep-Live-Cam
  Deep-Live-Cam是只用一张图片即可实时换脸并制作视频deepfake的工具。它内置检查功能，用于阻止裸露或血腥画面等不当媒体。
• heygen-com/hyperframes
  HyperFrames把HTML、CSS、媒体和可跳转到任意时间点的动画转换成结果确定的MP4视频。既可以通过CLI使用，也可以通过涵盖规划、编写HTML、lint、预览和渲染流程的skill，供AI coding agent使用。

只收录进入 Trendshift 排行榜的仓库，榜单仅用于寻找候选项目，不转载名次。说明、许可证和星标数来自各 GitHub 仓库。解读是我们自己的判断。我们尚未测试这些项目，上榜并不证明质量。