onnx 第 2 页
本站收录 76 个带「onnx」标签的 AI 开源项目（按 GitHub 星标从高到低，第 2 / 2 页）
OnnxTROnnxTR 是 docTR 文档文本识别库的 ONNX 推理管线封装，目标是在不依赖深度学习训练框架的前提下提供高性能、易接入的 OCR 能力。它把 docT★ 198
textsnaptextsnap 是一个轻量级 OCR 工具，目标是把任意图片、截图或网页内容一键转成纯文本。它基于 ONNX 和 PaddlePaddle 运行，无需 GPU★ 195
AivisSpeech-EngineAivisSpeech-Engine 是一个基于 Python 的 AI 语音合成引擎，专注于日文文本到语音（TTS）转换，并支持声音模仿。它整合了 BERT-★ 182
SwiftSemanticSearchSwiftSemanticSearch 是一个面向 Apple 设备的实时本地语义搜索开源项目，基于 Swift 语言开发，结合 USearch 向量搜索引擎和★ 162
ComfyUI-Depth-Anything-TensorrtComfyUI-Depth-Anything-Tensorrt 是一个为 ComfyUI 设计的自定义节点，它集成了 Depth Anything 系列模型（v★ 136
paroliparoli 是一个基于 Piper 的流式文本转语音（TTS）服务，专为边缘设备和嵌入式场景设计，尤其针对瑞芯微 RK3588 平台提供了可选的 NPU 加速★ 136
vocamacvocamac 是一款面向 macOS 的开源离线语音转文字工具，主打隐私与本地化听写。用户按住一个全局快捷键说话，松开后识别文本自动出现在当前光标位置，无需切★ 136
eSearch-OCReSearch-OCR 是一个基于 PaddleOCR 的 JavaScript/TypeScript OCR 库，目标是在 Node.js 与浏览器环境中直接★ 134
VitsServerVitsServer 是一个基于 VITS 模型和 ONNX Runtime 的文本转语音（TTS）推理服务器，专为快速部署和低延迟合成而设计。它解决了 VIT★ 130
StableDiffusionUIStableDiffusionUI 是一个基于 Python 和 C# 构建的 Windows 桌面应用，旨在为 Stable Diffusion 模型提供简洁★ 127
VeraVera 是一个本地代码搜索引擎，结合了 BM25 关键词匹配、向量相似度和交叉编码器重排序，提供多阶段检索以提升搜索准确性。它使用 tree-sitter 解★ 120
VeraVera 是一个完全离线运行的本地代码搜索引擎，用 Rust 编写。它解决的是开发者在大型代码库中快速定位代码的问题，尤其适合需要语义理解而非单纯关键词匹配的场★ 120
RapidOcrNetRapidOcrNet 是一个基于 C# 的跨平台 OCR 处理库，底层复用 RapidAI 的 RapidOCR 方案，并加载 PaddleOCR 的 ONN★ 106
giga-pisargiga-pisar（Гига Писарь）是一款面向 macOS 的本地俄语听写工具，基于 GigaAM v3 语音识别模型，用 Swift 编写。它解决的★ 105
LodeDBLodeDB 是一个用 Rust 编写、提供 Python 接口的嵌入式向量数据库，主打本地优先、默认精确检索、多模态与 GPU 加速。它要解决的问题是：现有向★ 103
Occular-ocrOccular-ocr 是一个用 Python 编写的俄语文档 OCR 开源工具，目标是快速、准确地从扫描件和 PDF 中提取俄语文本。它基于深度学习模型，采用★ 102
AstraTTSAstraTTS 是一个基于 ONNX Runtime 的跨平台高性能文本转语音（TTS）合成方案，主要面向需要低延迟、流式输出的应用场景。它解决了传统 TTS★ 101
meikiocrmeikiocr 是一个面向日语电子游戏场景的本地 OCR 工具，用 Python 编写，主打高速与高准确率。它解决的核心问题是：玩家在玩日文游戏时经常遇到没有★ 100
harfiyenharfiyen 是一个完全在浏览器本地运行的土耳其语语音识别与字幕生成工具。它解决的核心问题是：土耳其语使用者想做语音转写或给视频加字幕时，往往要依赖云端 A★ 100
expo-kokoro-onnxexpo-kokoro-onnx 是一个在 Expo 应用中本地运行 Kokoro TTS 的开源项目。它利用 ONNX Runtime 将 Kokoro 文本★ 96
osamosam 是一个本地运行提示型视觉模型的工具，支持 SAM1、SAM2、SAM3、EfficientSAM、YOLO-World 等模型。它旨在简化这些模型的部★ 96
Latent-LibraryLatent-Library 是一个本地优先、高性能的桌面端 AI 图像资产管理工具，专为 Stable Diffusion 生态（如 ComfyUI、A111★ 87
distributed-inference这是一个用 Go 语言编写的演示项目，旨在展示如何在深度学习/机器学习领域设计跨语言、分布式的推理管道。它利用 WebRTC 和 Redis Streams 作★ 86
maiseMaise 是一个开源的 Android 语音引擎，专注于在设备端（边缘）提供强大且灵活的语音合成（TTS）能力。它基于 Kotlin 开发，利用 ONNX R★ 80
kesha-voice-kitkesha-voice-kit 是一个本地优先的语音工具包，为开发者的工具链赋予语音能力。它支持语音转文字和文字转语音，覆盖 25 种语言，在 Apple Si★ 78
voicesvoices 是一个面向 Java 生态的快速进程内文本转语音（TTS）库。它基于 ONNX 运行时和 Piper TTS 引擎，将语音合成能力直接嵌入到 Ja★ 61