Awesome GitHub RepositoriesAudio Processing Automation

Basic-pitch هو ناسخ صوتي للشبكة العصبية وكاشف طبقة صوت متعدد الأصوات. يعمل كمحول صوت إلى MIDI يحول تسجيلات الصوت متعددة الأصوات إلى أحداث ملاحظات MIDI وبيانات انحناء طبقة الصوت. يحافظ النظام على التعبير الموسيقي من خلال تتبع تقلبات التردد المستمرة لتحويل الانزلاقات والاهتزاز إلى أحداث انحناء طبقة صوت MIDI. يستخدم محرك استدلال قابلاً للتوصيل يسمح بتهيئة وقت تشغيل النموذج بناءً على نظام التشغيل أو احتياجات تسريع الأجهزة. يوفر المشروع واجهة سطر أوامر لمعالجة الصوت المجمعة وواجهة برمجية لدمج النسخ واستخراج أحداث الملاحظات في برمجيات مخصصة. يمكن تصدير نتائج النسخ كملفات MIDI، ومخرجات نموذج خام، وجداول بيانات أحداث الملاحظات.

Whisper streaming هو محرك التعرف التلقائي على الكلام مصمم لتحويل الصوت المباشر إلى نص. يعمل كخادم نسخ قائم على الشبكة يقبل بيانات الصوت الخام من العملاء البعيدين ويعيد نتائج نصية تزايدية في الوقت الفعلي. يتميز النظام بقدرته على معالجة تدفقات الصوت بشكل تزايدي، مما يسمح بالنسخ والترجمة الفورية أثناء التقاط الكلام. وهو يدمج الكشف عن نشاط الصوت لعزل الكلام البشري عن ضوضاء الخلفية ويستخدم التخزين المؤقت للنافذة المنزلقة لإدارة مقاطع الصوت الواردة، مما يضمن بقاء المعالجة فعالة ومتماسكة على مدى فترات طويلة. بالإضافة إلى النسخ المباشر، يدعم المشروع معالجة الصوت عن بعد ويوفر أدوات لمحاكاة ظروف الوقت الفعلي باستخدام ملفات مسجلة مسبقاً. تسمح هذه القدرات بقياس أداء نماذج التعرف على الكلام واختبار زمن الوصول في ظل بيئات خاضعة للرقابة. يتم توزيع البرنامج كحزمة قائمة على Python.

Vocal-separate هي أداة معالجة صوتية مصممة لعزل المسارات الصوتية والآلية من ملفات الصوت والفيديو. تعمل كمحرك ذكاء اصطناعي محلي يقوم بفصل المصدر مباشرة على جهاز المستخدم، مما يضمن خصوصية البيانات من خلال إلغاء الحاجة إلى اتصال خادم خارجي. يوفر النظام واجهة تحكم قائمة على المتصفح لإدارة تحميلات الوسائط ومراقبة مهام المعالجة. وللتعامل مع تفكيك الإشارة المكثف، فإنه يستخدم معالجة الموتر (tensor) المسرعة بالأجهزة، والتي تفرغ الحسابات الرياضية المعقدة إلى أجهزة رسومات مخصصة لتحسين السرعة وكفاءة الذاكرة. يتضمن البرنامج طابور مهام غير متزامن لإدارة طلبات متعددة بالتسلسل ويدعم التكامل البرمجي من خلال واجهة شبكة محلية. وهذا يسمح للمستخدمين بأتمتة سير عمل فصل الصوت المجمع عن طريق ربط نصوص برمجية أو تطبيقات مخصصة بمحرك المعالجة.

This command-line utility provides a specialized interface for managing and manipulating audiobook files. It functions as a processing engine designed to handle audio merging, splitting, and format standardization, allowing users to organize large collections through automated workflows. The tool distinguishes itself by integrating silence detection to automatically identify logical break points for chapter creation and segmentation. It supports parallel task execution to maximize throughput during batch operations and utilizes metadata injection to ensure that chapter markers, cover art, and

This project is a comprehensive toolkit for on-device speech recognition, synthesis, and audio processing, specifically engineered for Apple Silicon. It provides a framework for building real-time, full-duplex voice agents that operate entirely offline, leveraging native hardware acceleration to maintain performance and privacy. By utilizing optimized machine learning models, the library enables local execution of complex audio tasks without reliance on external cloud services. The library distinguishes itself through its specialized focus on local, high-performance voice interaction. It incl