Классический веб-интерфейс для Stable Diffusion: генерация картинок из текста, доработка, апскейл и тысячи расширений от сообщества.
Все репозитории
Голос, видео, мультимодальностьlivekit
agents
Фреймворк LiveKit для голосовых ИИ-агентов в реальном времени: агент подключается к звонку или комнате, слушает, думает и отвечает голосом.
Кому подойдёт
Разработчикам, которым нужен голосовой агент с WebRTC-инфраструктурой.
Как начать
- Установи:
pip install "livekit-agents[openai,deepgram,cartesia]". - Проверь агента в терминале:
python myagent.py console. - Для разработки запусти
python myagent.py dev, для продакшенаpython myagent.py start.
Шаги взяты из README. Перед запуском сверься с актуальной версией в репозитории.
Звёзды за последние 30 дней
+6256 сент. — 6 окт.
Описание автора
A framework for building realtime voice AI agents 🤖🎙️📹
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.
Whisper, переписанный на C/C++: быстро работает на обычном процессоре и на Mac, без Python и тяжёлых зависимостей. Удобно встраивать в приложения.
Модель синтеза речи, заточенная под живой разговорный диалог: умеет паузы, смех и интонации. Хороша для голосовых помощников и озвучки реплик.