端到端语音处理工具箱，覆盖语音识别、合成、翻译、增强、分离和说话人日志等任务，基于 PyTorch 提供统一训练与推理流程。

基于苹果 MLX 框架的语音处理库，在 Apple Silicon 上高效完成语音合成、语音识别和语音转换，适合本地跑多模态语音任务。

ailia SDK 的预训练模型合集，覆盖动作识别、人脸检测、背景移除、语音处理等任务，拿来就能跑推理，省去自己找模型和调参的功夫。

可控语音转写工具，能逐字保留停顿、口吃和语气词，也能输出流畅可读版本，并提供词级时间戳。

把语音、音频、音乐接进大语言模型做多模态处理的开源框架，支持参数高效微调，方便快速搭建语音理解与生成任务。

整理说话人分离（Speaker Diarization）领域的论文、开源库、数据集与工具资源，方便快速找到「谁在什么时候说话」相关的实现和评测材料。