audio

huggingface/transformers

最先端モデルを統一的に扱うTransformers — テキスト・画像・音声・マルチモーダルの最先端モデルを共通APIで推論・学習できるフレームワークです。Qwen・Gemma・DeepSeekなど主要LLM/VLMにも対応し、Hugging Face Hubの事前学習モデルを即活用できる点が強みです。研究者・実務者双方にとって事実上の標準ツールとなっています。

🤗 Transformers: the model-definition framework for state-of-the-art machine learning models in text, vision, audio, and multimodal models, for both inference and training.

OpenBMB/VoxCPM

トークナイザー不要の多言語TTS「VoxCPM2」 — OpenBMBによるトークナイザーフリーのTTSモデルで、多言語の音声生成・創造的なボイスデザイン・高精度な音声クローニングを実現します。MiniCPM系の技術をベースに、より自然で表現力豊かな音声合成を目指す点が特徴で、音声合成の研究者や開発者に刺さる内容です。

VoxCPM2: Tokenizer-Free TTS for Multilingual Speech Generation, Creative Voice Design, and True-to-Life Cloning

alyssaxuu/screenity

制限なしで使える無料・プライバシー重視の画面録画ツール — Screenityは録画時間などの制限がないChrome拡張機能の画面録画・注釈ツールです。チュートリアルやデモ動画を無料かつプライバシーを気にせず作りたい個人や教育者向けで、ffmpegやTensorFlowをローカルで利用します。有料のProプランではリンク共有やキャプション機能も追加されます。

The free and privacy-friendly screen recorder with no limits 🎥

pion/webrtc

ピュアGoで実装されたWebRTCライブラリ — libwebrtcに依存せずGoだけでWebRTCを実装したライブラリです。RTP/SRTPやORTCにも対応し、CGO不要でクロスコンパイルしやすいのが強みです。WASM対応でブラウザ連携もでき、動画配信やP2P通信、VoIPなど幅広い用途に使えます。

Pure Go implementation of the WebRTC API

crmne/spotifast

ブラウザエンジン不要、Rust製の軽量Spotifyクライアント — SpotifastはRustとeguiで書かれたクロスプラットフォームのSpotifyクライアントです。librespotで再生し、メモリ使用量は100〜250MB程度、起動は1秒未満と軽快です。全対応言語の翻訳も完備していますが、再生にはSpotify Premiumが必要です。

Spotify, native and fast. One lightweight Rust app for your whole library, local playback, and Spotify Connect on Linux, macOS, and Windows.

Leonxlnx/earshot

AIエージェントに「耳」を与えるCLI/MCPツール — コーディングエージェントが自分で作った音や映像の音声を聴き、評価・生成できるようにするツールです。音の説明文との一致度判定、録音か合成音かの判別、効果音の自動配置などをCPUのみ・ローカルで実行でき、CLI・Python API・MCPサーバーとして利用できます。

Ears for coding agents: let AI hear, review and make sound. CPU-only, open source.

tphakala/birdnet-go

ラズパイで常時稼働する野鳥AI音声解析 — BirdNET-Goは鳥・コウモリなど野生動物の鳴き声を24時間リアルタイム解析するセルフホスト型ツールです。TensorFlowベースの複数AIモデルをRaspberry Piなどローカル環境で推論でき、クラウド依存のBirdNET-Piと異なりプライバシーと省電力を重視する人に向いています。Go製で軽量なのも特徴です。

Self-hosted realtime soundscape analyser for birds, bats and other wildlife. Multi-model local AI inference, runs 24/7 on a Raspberry Pi.

mardous/BoomingMusic

Clean, fast, and Material-driven Android music player with powerful features.

dsmurrell/onkey

曲を聴くだけでメロディを学習する歌トレアプリ — OnKeyはSpotifyやApple Music、YouTubeで流れる曲を聴き取り、ボーカルを分離して一度聴くだけでメロディを自動学習します。次回以降は音だけで曲を認識し、音程をリアルタイムに重ねて行ごとのスコアを表示します。Apple Silicon Mac向けの無料・オープンソースな歌唱トレーニングアプリです。

Learn to sing the songs you love. A free, open-source singing trainer for Mac that listens to the music you play.

kvoltmer/Audionaut

AIエージェントが操作できる音声編集ソフト — Audionautは無料・オープンソースのマルチトラック音声編集ツールで、JUCE製のC++アプリとしてWindows/macOS/Linuxで動作します。MCPに対応しているためClaudeなどのAIエージェントが実際にカット・クロスフェード・ステム分離といった編集操作を実行できる点が特徴で、フルDAWほど重くない軽量な編集環境を求める音楽・ポッドキャスト制作者に向いています。

Audionaut professional audio editing and audio recording

andrewfader/blokkily

トラッカーもピアノロールも同じパターンで編集できるDAW — Blokkilyはパターン単位の編集をトラッカー・ピアノロール・ステップグリッドの好きな形式で切り替えられる実験的なDAWです。CLAP/VST3プラグインやSoundFont、内蔵サンプラーに対応し、MCP経由でAIエージェントに作曲させるデモも公開されているのが特徴です。

An experimental pattern-first DAW