Bournemouth Forced Aligner（BFA）是一款基于 Python 的高性能语音对齐工具，专注于实现毫秒级别的音素时间戳提取，适用于语音分析、语言学研究及语音处理。| #工具

• ⚡️ 速度极快：CPU 优化架构，10秒音频仅需0.2秒处理，远超传统强制对齐器
• 🎯 精确对齐：支持音素级毫秒时间戳，结合 Viterbi 算法和置信度评分，实现高准确度
• 🧠 智能增强：目标音素概率提升和强制补全机制，保障关键音素完整识别
• 🌍 多语言支持：基于 espeak-ng 进行文本音素化，当前提供英语模型，易拓展其他语言
• 📊 丰富输出：支持 JSON、Praat TextGrid 格式，便于科研和语音分析工具无缝对接
• 💻 命令行友好：支持批量自动处理，适合大规模语料库对齐需求
• 🔬 兼容性强：可结合 Whisper 转录结果，快速完成从转录到对齐的完整流程
• 🛠 高度可控：多种参数调节，适应不同噪声环境和跨语言需求，兼顾速度与准确度平衡

相较于 Montreal Forced Aligner，BFA显著提升了处理速度与实时潜力，同时在处理停顿音和复杂尾音上表现更佳，尤其适合对完整性和效率要求极高的应用场景。

安装简单，pip 一键部署，支持CPU推理，适合科研、开发和工业应用。推荐音频分段不超过30秒以保证性能与精度。
工具
Mercur：首个真正无限制的开源多商户市场平台，结合 SaaS 简洁与开源自由，基于 MedusaJS 构建，适配多种商业模式，助力打造定制化市场体验。

• 完全自托管，零交易费，无供应商锁定，真正实现市场所有权与数据控制
• 1.0 正式版支持生产级 B2C 市场，含供应商系统、管理后台和完整 B2C 商店界面
• 灵活支持 B2B 企业级定制市场和未来电商店铺升级为多商户市场的扩展能力
• 多商户专属商店界面，支持跨供应商商品浏览与购买，提升用户体验🛍
• 管理后台可设置商品分类、供应商、佣金及规则，权限细化，运营高效
• 供应商面板直观，方便卖家管理商品、订单和店铺，提升运营自主性
• 内置 Stripe 支付和 Resend 通讯集成，更多接口持续扩展中
• 现代技术栈（Node.js 20+、PostgreSQL）支持开发者快速上手与深度定制

Mercur 适合追求自主掌控、灵活扩展、无缝定制的多商户市场项目，兼顾企业级复杂需求与消费者端体验，助力长期可持续增长。
VCPToolBox：全新的，强大的AI-API-工具交互范式工具箱 | #工具

• 超越传统交互，打造“AI-工具-记忆”铁三角，实现模型、模态与前端零依赖的高度兼容与扩展。
• 独立Agent封装，非线性超异步工作流，五大插件协议，支持分布式部署和算力均衡，释放海量并行算力冗余。
• 创新指令协议，支持复杂多行参数与容错，兼容MCPO及MCP插件，统一接入多协议生态。
• 全面插件体系：静态实时信息注入、多模态预处理、同步异步任务执行、服务与混合插件，覆盖浏览器控制、网页抓取、文生图/视频/音频生成、科学计算、知识管理等。
• 智能持久记忆系统，支持动态RAG召回和条件注入，实现AI自我学习、经验内化与跨模型协同。
• 先进分布式架构，支持多节点云端插件注册与无缝远程文件访问，打破物理边界，构建星型智能网络。
• 丰富可视化管理面板，支持配置、插件、日记管理及实时调试，降低复杂度。
• 深度系统提示词与变量替换体系，动态注入环境、工具与个性化指令，实现精细化后端AI行为调控。
• 强化安全设计，严禁非官方代理调用，保障API密钥和敏感信息安全。
• 支持人类直接调用VCP插件，拓展自动化任务执行边界。
工具
Sim：开源AI agent工作流构建器，极简界面助力快速搭建并部署连接多种工具的LLM解决方案。

• 支持云端（sim.ai）和自托管两种模式，快速启动仅需几分钟
• 兼容Docker、Dev Containers、手动安装多种部署方式，灵活适配开发环境
• 利用PostgreSQL+pgvector实现向量嵌入，支持知识库和语义搜索功能
• 内置Copilot管理服务，简化API密钥配置，提升自托管体验
• 技术栈涵盖Next.js、Bun、Tailwind CSS、React Flow、Socket.io等现代前端后端技术
• 低代码/无代码界面，支持用React构建智能agent流程，助力自动化和多工具集成
• 活跃社区，13000+星标，1500+分支，开放贡献，Apache-2.0许可证保障自由使用
• 支持本地GPU/CPU模型运行，免外部API，提升数据隐私和响应速度

Sim从根本上简化了复杂AI流程的设计和部署，适合研发、自动化及业务集成长期使用。
demo.gif
34.8 MB
Starchive：一款集自动下载与高级音频处理于一体的YouTube视频归档利器，支持多格式抓取与智能音乐混音，助力内容创作者突破传统边界。

• 自动抓取访问的YouTube及社交平台视频，支持MP4、WAV音频、字幕（VTT）、缩略图及元数据（JSON）多格式下载
• 利用Ultimate Vocal Remover实现人声与伴奏分离，结合BPM、调性、节拍检测，精确解析音乐结构
• 交互式Blend Shell提供实时混音界面，自动匹配节拍与调性，智能调整音高与速度，避免人声冲突，确保无缝融合
• 采用rubberband技术实现高精度音频同步，支持基于静音分割的片段编辑与智能插入
• 命令行工具覆盖从下载、分析到混音全流程，支持后台运行和手动视频ID输入，灵活高效
• 架构基于Go语言，配套Firefox插件自动触发下载，后台排队处理不影响浏览体验
• 依赖yt-dlp、ffmpeg、rubberband及AI分离工具，持续更新以适应视频平台变化

Starchive突破了传统视频下载工具的局限，将自动化与智能音频处理深度融合，使视频归档和音乐创作成为一体化流程，极大提升创作效率与品质。适合音乐制作人、内容编辑和技术爱好者长期使用。
Awesome-Scientific-Datasets-and-LLMs：科学大模型与数据集全景汇总，助力科研智能化升级：

• 涵盖多学科：生命科学🧬、化学⚗️、物理⚛️、天文🌌、材料学🪨、地球科学🌍、神经科学等核心领域，资源丰富全面。
• 数据类型多样：涵盖文本QA、视觉问答（VQA）、图像-文本、视频-文本等多模态数据，支持预训练、微调及科学推理等多种任务。
• 发展轨迹清晰：从迁移学习到大规模知识整合，再到指令跟随与自主科学Agent，展现科学LLM的四大范式变革。
• 详实时间线：2018年至2025年间，精选标志性模型与数据集，助力把握科研AI发展脉络。
• 开源与闭源兼备：包含众多开源项目，如Intern-S1（241B参数）、ChemLLM、ShizhenGPT等，方便科研团队快速落地与创新。
• 专业评测集：覆盖学术论文、临床对话、医学影像、蛋白质序列等，配备多维度指标（准确率、F1、BLEU、AUROC等），确保模型能力客观量化。
• 跨语种支持：中英双语及多语言资源，兼顾全球科研需求，提升模型适用性与泛化能力。
• 持续更新：项目活跃，定期整合最新论文和数据，关注前沿趋势，保持科研资源的长效价值。

科学研究正从数据积累向智能洞察跃迁，这份汇总为科研人员提供了系统的工具链与知识地图，促进跨领域协作与突破。
CI-VID：首个支持多剪辑连贯视频生成的大规模文本视频混合数据集，突破传统单剪辑配对局限，赋能故事驱动的视频生成技术。

• 超340,000条视频剪辑与丰富字幕交织序列，覆盖334k训练样本+8k测试样本，助力模型同时掌握片内内容与片间时序关系
• 支持Text+Video→Video生成，强化时间和视觉连贯性，推动多场景叙事视频生成质量跃升
• 多维评测体系融合：专业人类评审、基于视觉语言模型（VLM）自动评估、以及客观相似度计算，保障模型性能多角度验证
• 精细数据构建工具：基于相似性和主体实体分割视频，分层生成单剪辑及跨剪辑转场字幕，确保数据结构严谨丰富
• 公开部分视频样本与评测代码，完整6.5TB数据集托管于 Hugging Face，适合深度研发与模型微调
• 专注科研非商业许可，避免数据滥用，确保学术环境下的公平与透明

CI-VID带来更具连续性和叙事性的多剪辑视频生成新范式，适合推进视觉叙事AI、视频理解与生成领域的长期探索与创新。
IWE：面向开发者的本地优先Markdown笔记LSP，打造如IDE般高效的写作与知识管理体验

• 完美集成VSCode、Neovim、Zed、Helix等主流编辑器，基于LSP实现语义理解与交互
• 支持搜索、自动补全、跳转定义、重命名重构、反向链接查找、结构化提示等高级功能
• 扩展Markdown能力：wiki风格链接、表格、子笔记抽取与嵌入，文档自动格式化和链接更新
• 内置AI辅助，编辑器内直接调用AI完成文本改写、内容扩展、重点标记，支持自定义AI命令配置
• 通过“prompts”激发写作灵感，实现笔记间智能联想和内容生成，提升知识沉淀质量
• 支持子目录与层级组织，利用内容地图(MOC)管理复杂笔记结构，像管理代码一样管理知识
• CLI工具秒级处理成千上万文档，支持批量格式化、链接更新、内容合并及DOT格式导出可视化
• 开源、基于Apache-2.0许可，社区驱动持续发展，文档详实，插件生态活跃

让写作与知识管理回归代码级效率，IWE助你构建个人知识库的下一个生产力工具。
Before
After
Back to Top