supertonic
NEWSupertonic 是 Supertone 推出的超快速端设备多语言语音合成系统，基于 ONNX 原生运行，支持 iOS、Android 等多平台部署，适合移动端实时语音场景
🎯适用场景：语音合成 / TTS
📊 仓库数据
✅ 优点
- •开源免费
- •端侧原生 ONNX 推理
- •多语言支持
⚠️ 限制
- •文档不够完善
- •移动端集成需额外适配
🔗 相关工具
rerun
开源⭐ 11k↑+1github.com/rerun-io/rerun
多模态数据可视化 SDK，11K+ stars。用于记录、存储、查询和可视化多模态和多速率数据的开源 SDK，Rust 编写
🎯 机器人控制、仿真与边缘部署、多模态内容理解与生成
Stable Diffusion WebUI
开源⭐ 163k↓2github.com/AUTOMATIC1111/stable-diffusion-webui
最流行的 Stable Diffusion Web UI，162,491+ stars。提供直观的图形界面，支持文生图、图生图、ControlNet、LoRA 微调、Inpainting 等核心功能，是 AI 图像生成领域的事实标准工具
🎯 大模型微调与训练、多模态内容理解与生成
ComfyUI
开源⭐ 114k↑+19github.com/comfyanonymous/ComfyUI
节点式 Diffusion 模型 GUI，109,363+ stars。基于节点的工作流编排，可视化连接各处理模块，是最强大的图像生成工作流工具，支持 SDXL、Flux、Stable Cascade 等最新模型
🎯 AI 工作流编排与自动化、多模态内容理解与生成
OpenAI Whisper
开源⭐ 100k↑+20github.com/openai/whisper
OpenAI 开源语音识别模型，99.9K+ stars。支持 99 种语言自动语音识别与翻译，可本地部署保护隐私，广泛用于会议转录、字幕生成等场景
🎯 多语言语音转文字、音频转录、本地私有化语音识别
Deep Live Cam
开源⭐ 93k↑+3github.com/hacksider/Deep-Live-Cam
实时人脸替换工具，91,252+ stars。仅需一张照片即可实现实时视频换脸和一键视频 Deepfake，基于 AI 视觉模型实现高精度面部替换。支持摄像头实时预览和离线视频处理，是 AI 换脸领域最受欢迎的开源项目。
🎯 多模态内容理解与生成
OpenCV
开源⭐ 88k↓2github.com/opencv/opencv
开源计算机视觉库，87,181+ stars。全球最广泛使用的计算机视觉库，提供 2500+ 优化算法，涵盖图像处理、目标检测、人脸识别、相机标定等领域。支持 C++、Python、Java，是 AI 视觉应用的基石。
🎯 多模态内容理解与生成