Классический веб-интерфейс для Stable Diffusion: генерация картинок из текста, доработка, апскейл и тысячи расширений от сообщества.
Все репозитории
Голос, видео, мультимодальностьggml-org
whisper.cpp
Whisper, переписанный на C/C++: быстро работает на обычном процессоре и на Mac, без Python и тяжёлых зависимостей. Удобно встраивать в приложения.
Кому подойдёт
Тем, кому нужна офлайн-расшифровка речи на ноутбуке или встроенная в продукт.
Как начать
- Склонируй репозиторий:
git clone https://github.com/ggml-org/whisper.cpp.gitи зайди в папкуcd whisper.cpp. - Скачай модель:
sh ./models/download-ggml-model.sh base.en. - Собери:
cmake -B buildиcmake --build build -j --config Release, затем запусти./build/bin/whisper-cli -f samples/jfk.wav.
Шаги взяты из README. Перед запуском сверься с актуальной версией в репозитории.
Звёзды за последние 30 дней
+7596 сент. — 5 окт.
Описание автора
Port of OpenAI's Whisper model in C/C++
Ещё в категории «Голос, видео, мультимодальность»
Графический конструктор пайплайнов для диффузионных моделей: собираешь генерацию картинок, видео и аудио из узлов. Работает локально и умеет отдавать результат по API.
Эталонная модель распознавания речи от OpenAI: транскрибирует аудио на десятках языков, переводит речь и определяет язык.
Клонирование голоса по очень короткому образцу: минуты записи хватает, чтобы дообучить модель синтеза речи. Есть веб-интерфейс для разметки и обучения.
Модель синтеза речи, заточенная под живой разговорный диалог: умеет паузы, смех и интонации. Хороша для голосовых помощников и озвучки реплик.
Мгновенное клонирование голоса: по короткому образцу переносит тембр на любой текст и позволяет менять стиль, эмоции и язык. Лицензия MIT, можно использовать в коммерции.