VibeVoice
微软开源的前沿语音 AI 模型家族,涵盖长音频语音识别与实时语音合成。采用 7.5Hz 低帧率连续语音分词器与 next-token diffusion 框架,支持单次处理 60 分钟音频、多说话人转写与流式识别。
按分类、标签筛选,或直接搜索项目名称。
共 6 个项目 · 标签:微软
微软开源的前沿语音 AI 模型家族,涵盖长音频语音识别与实时语音合成。采用 7.5Hz 低帧率连续语音分词器与 next-token diffusion 框架,支持单次处理 60 分钟音频、多说话人转写与流式识别。
微软开源的 12 周 24 课人工智能入门课程,涵盖符号 AI、神经网络、深度学习、CNN、RNN、GAN、NLP 与计算机视觉,配套测验与实验,提供简体中文等多语言翻译。
微软开源的 12 周网页开发入门课程,共 24 节,围绕 HTML、CSS、JavaScript 通过生态箱、浏览器扩展、太空游戏等动手项目教学,配有测验、讨论与作业,并提供简体中文等多语言翻译。
微软开源的现代终端应用,支持标签页、多配置文件、GPU 加速渲染,并包含经典控制台宿主 conhost.exe 的源代码。
微软开源的轻量级 Python 工具,可将 PDF、Word、PPT、Excel、图片、音频、HTML 等多种文件转换为 Markdown,保留标题、列表、表格、链接等结构,专为 LLM 与文本分析流水线设计。
微软开源的 AI Agent 入门课程,共 18 课,从基础概念到多智能体协作与工具调用,配套 Python 代码示例与视频讲解,并提供简体中文等多语言翻译,适合中文开发者系统入门智能体开发。