real-time 第 2 页
本站收录 74 个带「real-time」标签的 AI 开源项目（按 GitHub 星标从高到低，第 2 / 2 页）
amazon-transcribe-live-meeting-assistant这是一个基于 AWS 服务的实时会议助手开源项目，利用 Amazon Transcribe 做语音转文字、Amazon Bedrock 大模型做理解与生成，配合★ 168
voxvox 是一个用 Rust 编写的通用 AI 工具包，专注于高性能的语音转文字（STT）和文字转语音（TTS）处理。它旨在解决实时语音交互场景中的低延迟问题，并★ 165
ai4rsai4rs 是一个面向遥感视觉的开源项目，基于 MMDetection、MMRotate、MMLab 生态构建，专注解决遥感图像中的目标检测、旋转框检测（OBB★ 161
OmniDictateOmniDictate 是一款免费开源的 Windows 实时听写工具，完全本地运行，无需云端，保护隐私。它利用 faster-whisper 等 AI 模型实★ 157
pair-programmerpair-programmer 是一个为 AI 编程助手（Claude Code、Codex 和 Cursor）提供结对编程能力的开源工具。它通过引入多角色协作★ 131
PuriPuly-heartPuriPuly-heart 是一个面向 VRChat 的实时双向语音翻译工具，基于大语言模型实现。它解决的是跨语言玩家在虚拟现实中交流困难的问题：说话内容经语★ 125
MaineCoonMaineCoon 是一个追求实时音视频社交世界模型的开源项目，目前处于早期技术报告与项目链接阶段。它旨在构建一个能够实时理解和生成音频与视频的生成式AI模型，★ 120
UGTLiveUGTLive 是一款面向游戏玩家、漫画读者和语言学习者的实时屏幕翻译工具。它通过 GPU 加速的 OCR 识别屏幕上任意区域的外文文本，再调用 LLM（支持 ★ 117
ferosferos 是一个开源的语音智能体操作系统，采用 Rust 编写运行时，强调亚秒级延迟和完全自托管。它旨在解决语音交互场景中响应速度慢、依赖云服务、难以定制等问★ 112
conversifyconversify 是一个基于 LiveKit 和本地大语言模型（LLM）构建的实时、低延迟 AI 助手，支持语音、视觉和对话记忆功能。它解决了传统语音助手响★ 111
Human101Human101 是一个从单视角视频快速重建高保真 3D 数字人的开源项目，基于 3D Gaussian Splatting 技术，能在 100 秒内完成训练，★ 110
stt-serverstt-server 是一个用 Python 编写的实时语音转文字 WebSocket 服务，目标是把 ASR 能力以流式接口暴露给前端或后端应用。它通过可插拔★ 107
microbium-appmicrobium-app 是一个基于 JavaScript 的创意绘图工具，旨在让用户通过简单的操作绘制出全新的世界。它解决了传统绘图软件上手门槛高、创作过程★ 104
claude-team-dashboardclaude-team-dashboard 是一个面向 Claude Code 代理团队的实时监控仪表盘。它解决的是在多个 Claude Code 代理并行工作★ 78
hermes-dashboardHermes Dashboard 是一个专为 Hermes 智能体框架设计的实时监控与管理面板。它解决的是开发者在运行多个 AI 智能体会话时，难以直观观察其行★ 66
Magic-WorldMagic-World 是一个面向交互式视频世界探索的开源项目，旨在解决长时程视频生成中的稳定性问题。它基于扩散模型，支持实时交互和长视频生成，核心能力包括因果★ 66
Dicy2Dicy2 是一个基于 Max 的交互式音乐生成工具包，利用机器学习技术生成音乐序列，并可与作曲流程或即兴演奏场景无缝集成。它解决了音乐创作中需要动态、自适应音★ 65
moltstreammoltstream 是一个面向智能体（Agent）的原生流式传输基础设施，专为非人类广播者设计的流式运行时。它解决了传统直播平台和流媒体工具无法满足 AI 智★ 64
aws-data-science-data-engineering-mlops-infra这是一个基于AWS的端到端数据科学与MLOps参考架构项目，以航班延误预测为业务场景，完整展示了数据工程、数据科学、MLOps和基础设施即代码的最佳实践。项目通★ 58
prometheus-avatar开源的 SDK，用 LLM 输出驱动 Live2D 与 3D 数字人形象，让你的 AI 拥有可视化面孔，轻松为聊天机器人、语音助手等应用赋予生动的虚拟形象。★ 17
ScrumSurvivor一个用照片级 AI 虚拟形象替你出镜的开源工具：在强制开摄像头的视频会议中「优雅幸存」。虚拟形象实时代替真人画面，适合对频繁视频会议感到疲惫、又想保持职业形象的★ 8
vllm-chatterbox-streamvllm-chatterbox-stream 是一个基于 vLLM 推理引擎的多语言文本转语音（TTS）服务，兼容 OpenAI API 接口，支持实时 PCM★ 8
xttsv2-vllm-streaming-server这是一个基于 vLLM 的 XTTS-v2 实时流式语音合成服务器，提供与 OpenAI 兼容的 API 接口。它解决了 XTTS-v2 模型在推理时延迟高、难★ 7
LangQingSOTA 级实时交互 AI 数字人平台，支持多模态对话，提供流式的数字人交互体验，适合构建下一代实时对话数字人系统。★ 5