基于深度神经网络的图形化人声分离工具，可把歌曲拆成人声和伴奏，方便做卡拉OK伴奏或二次混音。

跨平台开源音频编辑器，支持多轨录音、剪辑、降噪与效果处理，适合播客制作和音频后期。

OpenAI 开源的通用语音识别模型，基于大规模弱监督训练，支持多语言转写、翻译和语种识别，开箱即用。

基于 OpenAI Whisper 的离线音频转写与翻译工具，在本机就能把语音转成文字并翻译，不用联网也不上传数据。

跨平台机器学习框架，提供可定制的视觉、音频等实时流媒体处理方案，方便在移动端和桌面端搭建低延迟推理管线。

用 Python 调用 FFmpeg 的绑定库，支持复杂滤镜图，让你在脚本里拼装音视频处理流程而不用手写命令行。

基于 QML 和 Quickshell 打造的 Wayland 桌面 Shell，为 Hyprland、Niri、Sway 等合成器提供统一的面板、启动器与桌面组件。

自动检测视频中的静音片段并剪掉，省去手动逐帧剪辑的麻烦，适合快速粗剪和压缩素材时长。

GPU 加速的数据预处理库，提供高度优化的图像、音频处理算子和执行引擎，解决深度学习训练中数据管道拖慢 GPU 的瓶颈。

面向 Apple Silicon 的端侧语音 AI 工具包，用 Swift 在 iOS 和 macOS 上本地跑语音识别、说话人分离和语音合成，不用联网也能处理音频。

一套面向音频处理的深度学习实战代码集，覆盖语音识别、说话人验证、关键词唤醒、语音合成与音色转换等任务，可直接参考实现来训练和微调模型。

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。

汇总音视频处理相关的开源项目清单，覆盖音频处理、视频处理、DMX 灯光控制等方向，方便快速找到合适的工具。