[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-descriptinc--descript-audio-codec":3,"tool-descriptinc--descript-audio-codec":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",150037,2,"2026-04-10T23:33:47",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":76,"owner_email":76,"owner_twitter":76,"owner_website":77,"owner_url":78,"languages":79,"stars":88,"forks":89,"last_commit_at":90,"license":91,"difficulty_score":32,"env_os":92,"env_gpu":93,"env_ram":94,"env_deps":95,"category_tags":100,"github_topics":102,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":112,"updated_at":113,"faqs":114,"releases":150},5811,"descriptinc\u002Fdescript-audio-codec","descript-audio-codec","State-of-the-art audio codec with 90x compression factor. Supports 44.1kHz, 24kHz, and 16kHz mono\u002Fstereo audio.","descript-audio-codec 是一款由 Descript 开源的高保真神经音频编解码器，旨在以极小的文件体积保留卓越的音质。它核心解决了传统音频压缩中“高压缩率往往伴随音质损失或伪影”的难题，能够将 44.1kHz 的高质量音频压缩至仅 8kbps 的比特率，实现约 90 倍的压缩效率，同时显著减少听觉瑕疵。\n\n这款工具特别适合 AI 研究人员、音频算法开发者以及从事语音合成、音乐生成（如 AudioLM、MusicGen 等模型）的工程团队使用。它不仅支持 16kHz、24kHz 和 44.1kHz 多种采样率的单声道与立体声处理，还具备极强的通用性，能完美适配人声、环境音及音乐等多种音频领域。\n\n其技术亮点在于采用了改进的 RVQGAN 架构，在压缩性能上超越了主流的 EnCodec 和 SoundStream 方案。对于开发者而言，descript-audio-codec 可作为现有音频语言建模任务中的直接替代品，提供开箱即用的编码与解码脚本，并支持通过 Python 轻松集成到工作流中，是构建下一代高效音频生成应用的理想基石。","# Descript Audio Codec (.dac): High-Fidelity Audio Compression with Improved RVQGAN\n\nThis repository contains training and inference scripts\nfor the Descript Audio Codec (.dac), a high fidelity general\nneural audio codec, introduced in the paper titled **High-Fidelity Audio Compression with Improved RVQGAN**.\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdescriptinc_descript-audio-codec_readme_291a8c00c879.png) [arXiv Paper: High-Fidelity Audio Compression with Improved RVQGAN\n](http:\u002F\u002Farxiv.org\u002Fabs\u002F2306.06546) \u003Cbr>\n📈 [Demo Site](https:\u002F\u002Fdescript.notion.site\u002FDescript-Audio-Codec-11389fce0ce2419891d6591a68f814d5)\u003Cbr>\n⚙ [Model Weights](https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\u002Freleases\u002Fdownload\u002F0.0.1\u002Fweights.pth)\n\n👉 With Descript Audio Codec, you can compress **44.1 KHz audio** into discrete codes at a **low 8 kbps bitrate**.  \u003Cbr>\n🤌 That's approximately **90x compression** while maintaining exceptional fidelity and minimizing artifacts.  \u003Cbr>\n💪 Our universal model works on all domains (speech, environment, music, etc.), making it widely applicable to generative modeling of all audio.  \u003Cbr>\n👌 It can be used as a drop-in replacement for EnCodec for all audio language modeling applications (such as AudioLMs, MusicLMs, MusicGen, etc.) \u003Cbr>\n\n\u003Cp align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdescriptinc_descript-audio-codec_readme_fdb7716789fa.png\" alt=\"Comparison of compressions approaches. Our model achieves a higher compression factor compared to all baseline methods. Our model has a ~90x compression factor compared to 32x compression factor of EnCodec and 64x of SoundStream. Note that we operate at a target bitrate of 8 kbps, whereas EnCodec operates at 24 kbps and SoundStream at 6 kbps. We also operate at 44.1 kHz, whereas EnCodec operates at 48 kHz and SoundStream operates at 24 kHz.\" width=35%>\u003C\u002Fp>\n\n\n## Usage\n\n### Installation\n```\npip install descript-audio-codec\n```\nOR\n\n```\npip install git+https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\n```\n\n### Weights\nWeights are released as part of this repo under MIT license.\nWe release weights for models that can natively support 16 kHz, 24kHz, and 44.1kHz sampling rates.\nWeights are automatically downloaded when you first run `encode` or `decode` command. You can cache them using one of the following commands\n```bash\npython3 -m dac download # downloads the default 44kHz variant\npython3 -m dac download --model_type 44khz # downloads the 44kHz variant\npython3 -m dac download --model_type 24khz # downloads the 24kHz variant\npython3 -m dac download --model_type 16khz # downloads the 16kHz variant\n```\nWe provide a Dockerfile that installs all required dependencies for encoding and decoding. The build process caches the default model weights inside the image. This allows the image to be used without an internet connection. [Please refer to instructions below.](#docker-image)\n\n\n### Compress audio\n```\npython3 -m dac encode \u002Fpath\u002Fto\u002Finput --output \u002Fpath\u002Fto\u002Foutput\u002Fcodes\n```\n\nThis command will create `.dac` files with the same name as the input files.\nIt will also preserve the directory structure relative to input root and\nre-create it in the output directory. Please use `python -m dac encode --help`\nfor more options.\n\n### Reconstruct audio from compressed codes\n```\npython3 -m dac decode \u002Fpath\u002Fto\u002Foutput\u002Fcodes --output \u002Fpath\u002Fto\u002Freconstructed_input\n```\n\nThis command will create `.wav` files with the same name as the input files.\nIt will also preserve the directory structure relative to input root and\nre-create it in the output directory. Please use `python -m dac decode --help`\nfor more options.\n\n### Programmatic Usage\n```py\nimport dac\nfrom audiotools import AudioSignal\n\n# Download a model\nmodel_path = dac.utils.download(model_type=\"44khz\")\nmodel = dac.DAC.load(model_path)\n\nmodel.to('cuda')\n\n# Load audio signal file\nsignal = AudioSignal('input.wav')\n\n# Encode audio signal as one long file\n# (may run out of GPU memory on long files)\nsignal.to(model.device)\n\nx = model.preprocess(signal.audio_data, signal.sample_rate)\nz, codes, latents, _, _ = model.encode(x)\n\n# Decode audio signal\ny = model.decode(z)\n\n# Alternatively, use the `compress` and `decompress` functions\n# to compress long files.\n\nsignal = signal.cpu()\nx = model.compress(signal)\n\n# Save and load to and from disk\nx.save(\"compressed.dac\")\nx = dac.DACFile.load(\"compressed.dac\")\n\n# Decompress it back to an AudioSignal\ny = model.decompress(x)\n\n# Write to file\ny.write('output.wav')\n```\n\n### Docker image\nWe provide a dockerfile to build a docker image with all the necessary\ndependencies.\n1. Building the image.\n    ```\n    docker build -t dac .\n    ```\n2. Using the image.\n\n    Usage on CPU:\n    ```\n    docker run dac \u003Ccommand>\n    ```\n\n    Usage on GPU:\n    ```\n    docker run --gpus=all dac \u003Ccommand>\n    ```\n\n    `\u003Ccommand>` can be one of the compression and reconstruction commands listed\n    above. For example, if you want to run compression,\n\n    ```\n    docker run --gpus=all dac python3 -m dac encode ...\n    ```\n\n\n## Training\nThe baseline model configuration can be trained using the following commands.\n\n### Pre-requisites\nPlease install the correct dependencies\n```\npip install -e \".[dev]\"\n```\n\n## Environment setup\n\nWe have provided a Dockerfile and docker compose setup that makes running experiments easy.\n\nTo build the docker image do:\n\n```\ndocker compose build\n```\n\nThen, to launch a container, do:\n\n```\ndocker compose run -p 8888:8888 -p 6006:6006 dev\n```\n\nThe port arguments (`-p`) are optional, but useful if you want to launch a Jupyter and Tensorboard instances within the container. The\ndefault password for Jupyter is `password`, and the current directory\nis mounted to `\u002Fu\u002Fhome\u002Fsrc`, which also becomes the working directory.\n\nThen, run your training command.\n\n\n### Single GPU training\n```\nexport CUDA_VISIBLE_DEVICES=0\npython scripts\u002Ftrain.py --args.load conf\u002Fablations\u002Fbaseline.yml --save_path runs\u002Fbaseline\u002F\n```\n\n### Multi GPU training\n```\nexport CUDA_VISIBLE_DEVICES=0,1\ntorchrun --nproc_per_node gpu scripts\u002Ftrain.py --args.load conf\u002Fablations\u002Fbaseline.yml --save_path runs\u002Fbaseline\u002F\n```\n\n## Testing\nWe provide two test scripts to test CLI + training functionality. Please\nmake sure that the trainig pre-requisites are satisfied before launching these\ntests. To launch these tests please run\n```\npython -m pytest tests\n```\n\n## Results\n\n\u003Cp align=\"left\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdescriptinc_descript-audio-codec_readme_0901bcf61dfa.png\" width=75%>\u003C\u002Fp>\n","# Descript 音频编解码器 (.dac)：采用改进 RVQGAN 的高保真音频压缩\n\n本仓库包含 Descript 音频编解码器 (.dac) 的训练与推理脚本，这是一种高保真通用神经网络音频编解码器，相关介绍发表在论文 **采用改进 RVQGAN 的高保真音频压缩** 中。\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdescriptinc_descript-audio-codec_readme_291a8c00c879.png) [arXiv 论文：采用改进 RVQGAN 的高保真音频压缩](http:\u002F\u002Farxiv.org\u002Fabs\u002F2306.06546) \u003Cbr>\n📈 [演示网站](https:\u002F\u002Fdescript.notion.site\u002FDescript-Audio-Codec-11389fce0ce2419891d6591a68f814d5)\u003Cbr>\n⚙ [模型权重](https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\u002Freleases\u002Fdownload\u002F0.0.1\u002Fweights.pth)\n\n👉 使用 Descript 音频编解码器，您可以将 **44.1 KHz 音频** 压缩为离散编码，且比特率低至 **8 kbps**。  \u003Cbr>\n🤌 这相当于约 **90倍压缩**，同时保持卓越的音质并最大限度地减少失真。  \u003Cbr>\n💪 我们的通用模型适用于所有领域（语音、环境音、音乐等），因此可广泛应用于各类音频的生成建模。  \u003Cbr>\n👌 它可以作为 EnCodec 的直接替代品，用于所有音频语言建模任务（如 AudioLMs、MusicLMs、MusicGen 等）。  \u003Cbr>\n\n\u003Cp align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdescriptinc_descript-audio-codec_readme_fdb7716789fa.png\" alt=\"不同压缩方法的对比。与所有基线方法相比，我们的模型实现了更高的压缩比。我们的模型压缩比约为 90:1，而 EnCodec 为 32:1，SoundStream 为 64:1。请注意，我们以 8 kbps 为目标比特率运行，而 EnCodec 以 24 kbps 运行，SoundStream 以 6 kbps 运行。此外，我们以 44.1 kHz 采样率工作，EnCodec 以 48 kHz 工作，SoundStream 则以 24 kHz 工作。\" width=35%>\u003C\u002Fp>\n\n\n## 使用方法\n\n### 安装\n```\npip install descript-audio-codec\n```\n或\n\n```\npip install git+https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\n```\n\n### 权重\n权重以 MIT 许可证的形式随本仓库发布。我们提供了可原生支持 16 kHz、24 kHz 和 44.1 kHz 采样率的模型权重。首次运行 `encode` 或 `decode` 命令时，权重会自动下载。您也可以使用以下命令提前缓存权重：\n```bash\npython3 -m dac download # 下载默认的 44kHz 版本\npython3 -m dac download --model_type 44khz # 下载 44kHz 版本\npython3 -m dac download --model_type 24khz # 下载 24kHz 版本\npython3 -m dac download --model_type 16khz # 下载 16kHz 版本\n```\n我们提供了一个 Dockerfile，用于安装编码和解码所需的所有依赖项。构建过程中会将默认模型权重缓存在镜像内，从而允许在无网络连接的情况下使用该镜像。[请参阅下方说明。](#docker-image)\n\n\n### 压缩音频\n```\npython3 -m dac encode \u002Fpath\u002Fto\u002Finput --output \u002Fpath\u002Fto\u002Foutput\u002Fcodes\n```\n\n此命令将创建与输入文件同名的 `.dac` 文件，并保留相对于输入根目录的目录结构，在输出目录中重新创建相同的结构。有关更多选项，请使用 `python -m dac encode --help`。\n\n### 从压缩编码重建音频\n```\npython3 -m dac decode \u002Fpath\u002Fto\u002Foutput\u002Fcodes --output \u002Fpath\u002Fto\u002Freconstructed_input\n```\n\n此命令将创建与输入文件同名的 `.wav` 文件，并保留相对于输入根目录的目录结构，在输出目录中重新创建相同的结构。有关更多选项，请使用 `python -m dac decode --help`。\n\n### 编程式使用\n```py\nimport dac\nfrom audiotools import AudioSignal\n\n# 下载模型\nmodel_path = dac.utils.download(model_type=\"44khz\")\nmodel = dac.DAC.load(model_path)\n\nmodel.to('cuda')\n\n# 加载音频信号文件\nsignal = AudioSignal('input.wav')\n\n# 将音频信号编码为一个长文件\n# （对于较长的文件，可能会耗尽 GPU 内存）\nsignal.to(model.device)\n\nx = model.preprocess(signal.audio_data, signal.sample_rate)\nz, codes, latents, _, _ = model.encode(x)\n\n# 解码音频信号\ny = model.decode(z)\n\n# 或者，使用 `compress` 和 `decompress` 函数来压缩长文件。\nsignal = signal.cpu()\nx = model.compress(signal)\n\n# 保存并从磁盘加载\nx.save(\"compressed.dac\")\nx = dac.DACFile.load(\"compressed.dac\")\n\n# 将其解压缩回 AudioSignal\ny = model.decompress(x)\n\n# 写入文件\ny.write('output.wav')\n```\n\n### Docker 镜像\n我们提供了一个 Dockerfile，用于构建包含所有必要依赖项的 Docker 镜像。\n1. 构建镜像。\n    ```\n    docker build -t dac .\n    ```\n2. 使用镜像。\n\n    在 CPU 上使用：\n    ```\n    docker run dac \u003Ccommand>\n    ```\n\n    在 GPU 上使用：\n    ```\n    docker run --gpus=all dac \u003Ccommand>\n    ```\n\n    `\u003Ccommand>` 可以是上述列出的压缩和重建命令之一。例如，如果您想执行压缩操作，\n    ```\n    docker run --gpus=all dac python3 -m dac encode ...\n    ```\n\n\n## 训练\n可使用以下命令训练基线模型配置。\n\n### 先决条件\n请安装正确的依赖项：\n```\npip install -e \".[dev]\"\n```\n\n## 环境设置\n\n我们提供了一个 Dockerfile 和 Docker Compose 设置，使实验运行更加便捷。\n构建 Docker 镜像：\n```\ndocker compose build\n```\n\n然后启动容器：\n```\ndocker compose run -p 8888:8888 -p 6006:6006 dev\n```\n\n端口参数 (`-p`) 是可选的，但如果您希望在容器内启动 Jupyter 和 Tensorboard 实例，则非常有用。Jupyter 的默认密码是 `password`，当前目录被挂载到 `\u002Fu\u002Fhome\u002Fsrc`，这也成为工作目录。\n随后，您可以运行训练命令。\n\n\n### 单 GPU 训练\n```\nexport CUDA_VISIBLE_DEVICES=0\npython scripts\u002Ftrain.py --args.load conf\u002Fablations\u002Fbaseline.yml --save_path runs\u002Fbaseline\u002F\n```\n\n### 多 GPU 训练\n```\nexport CUDA_VISIBLE_DEVICES=0,1\ntorchrun --nproc_per_node gpu scripts\u002Ftrain.py --args.load conf\u002Fablations\u002Fbaseline.yml --save_path runs\u002Fbaseline\u002F\n```\n\n## 测试\n我们提供了两个测试脚本，用于测试 CLI 和训练功能。请确保在运行这些测试之前满足训练先决条件。要运行这些测试，请执行：\n```\npython -m pytest tests\n```\n\n## 结果\n\n\u003Cp align=\"left\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdescriptinc_descript-audio-codec_readme_0901bcf61dfa.png\" width=75%>\u003C\u002Fp>","# Descript Audio Codec (.dac) 快速上手指南\n\nDescript Audio Codec 是一个高保真通用神经音频编解码器，能够将 44.1 kHz 的音频以极低的 8 kbps 码率压缩为离散代码（约 90 倍压缩率），同时保持卓越的音质并最小化伪影。它适用于语音、环境音、音乐等多种领域，可作为 AudioLM、MusicGen 等项目中 EnCodec 的直接替代品。\n\n## 环境准备\n\n*   **操作系统**: Linux, macOS, Windows\n*   **Python 版本**: 建议 Python 3.8+\n*   **硬件要求**:\n    *   **CPU**: 可用于推理，但速度较慢。\n    *   **GPU**: 推荐 NVIDIA GPU (需安装 CUDA) 以加速编码\u002F解码过程，特别是在处理长音频或进行训练时。\n*   **前置依赖**: 确保已安装 `pip` 和基础开发工具。若使用 GPU，请预先安装好对应版本的 PyTorch (CUDA 版)。\n\n## 安装步骤\n\n你可以通过 PyPI 或 GitHub 直接安装：\n\n**方式一：通过 PyPI 安装（推荐）**\n```bash\npip install descript-audio-codec\n```\n\n**方式二：通过 GitHub 源码安装**\n```bash\npip install git+https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\n```\n\n> **提示**：国内用户若下载缓慢，可尝试配置 pip 国内镜像源（如清华源）：\n> ```bash\n> pip install descript-audio-codec -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n> ```\n\n## 基本使用\n\n模型权重会在首次运行编码或解码命令时自动下载。你也可以手动预下载特定采样率的模型（支持 16kHz, 24kHz, 44.1kHz）。\n\n### 1. 预下载模型权重（可选）\n默认下载 44.1kHz 版本：\n```bash\npython3 -m dac download\n```\n指定采样率下载：\n```bash\npython3 -m dac download --model_type 44khz\npython3 -m dac download --model_type 24khz\npython3 -m dac download --model_type 16khz\n```\n\n### 2. 命令行压缩音频\n将音频文件压缩为 `.dac` 格式代码：\n```bash\npython3 -m dac encode \u002Fpath\u002Fto\u002Finput --output \u002Fpath\u002Fto\u002Foutput\u002Fcodes\n```\n*该命令会保留输入的目录结构，并在输出目录生成同名的 `.dac` 文件。*\n\n### 3. 命令行还原音频\n从压缩代码还原为 `.wav` 音频文件：\n```bash\npython3 -m dac decode \u002Fpath\u002Fto\u002Foutput\u002Fcodes --output \u002Fpath\u002Fto\u002Freconstructed_input\n```\n*该命令会生成与输入代码文件同名的 `.wav` 文件。*\n\n### 4. Python 代码调用\n适用于需要在程序中集成或处理长音频文件的场景：\n\n```py\nimport dac\nfrom audiotools import AudioSignal\n\n# 下载并加载模型 (以 44khz 为例)\nmodel_path = dac.utils.download(model_type=\"44khz\")\nmodel = dac.DAC.load(model_path)\n\n# 移至 GPU (如有)\nmodel.to('cuda')\n\n# 加载音频信号\nsignal = AudioSignal('input.wav')\n\n# --- 方法 A: 直接编码\u002F解码 (适合短音频) ---\nsignal.to(model.device)\nx = model.preprocess(signal.audio_data, signal.sample_rate)\nz, codes, latents, _, _ = model.encode(x)\ny = model.decode(z)\n\n# --- 方法 B: 使用 compress\u002Fdecompress (适合长音频，自动分块) ---\nsignal = signal.cpu() # 确保在 CPU 上处理分块逻辑以防显存溢出\nx = model.compress(signal)\n\n# 保存压缩文件到磁盘\nx.save(\"compressed.dac\")\n\n# 从磁盘加载并解压\nx_loaded = dac.DACFile.load(\"compressed.dac\")\ny_reconstructed = model.decompress(x_loaded)\n\n# 写入还原后的音频文件\ny_reconstructed.write('output.wav')\n```","一家专注于生成式音乐创作的初创团队，正试图构建一个能理解并生成高保真立体声音乐的 AI 模型，但受限于原始音频数据的巨大体积。\n\n### 没有 descript-audio-codec 时\n- **存储与传输成本高昂**：处理 44.1kHz 的无损音乐素材需要海量存储空间，且在多节点训练集群间传输数据耗时极长，严重拖慢迭代速度。\n- **生成音质受损**：为了节省带宽强行使用传统压缩方案或低码率编码器，导致生成的音乐中出现明显的金属音伪影和细节丢失，无法达到商用标准。\n- **模型架构受限**：由于缺乏高效的离散化表示，难以将高质量音频直接应用于类似 MusicLM 的语言建模架构，迫使团队在音质和模型复杂度之间做痛苦妥协。\n\n### 使用 descript-audio-codec 后\n- **数据体积骤减 90%**：借助其 8kbps 的超低码率能力，团队将 44.1kHz 立体声音频压缩为离散代码，存储占用和传输时间大幅降低，训练数据加载效率显著提升。\n- **高保真还原细节**：即使在极高压缩比下，descript-audio-codec 仍能保留丰富的音乐泛音和环境细节，重构后的音频几乎听不出失真，确保了生成内容的专业级听感。\n- **无缝集成主流架构**：作为 EnCodec 的直接替代品，该工具让团队轻松将高质量音频离散化，顺利接入现有的音频语言模型流水线，加速了高智商音乐生成模型的落地。\n\ndescript-audio-codec 通过极致的压缩率与卓越的音质保持能力，打破了高保真音频在生成式 AI 领域的应用瓶颈。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdescriptinc_descript-audio-codec_7545e410.png","descriptinc","Descript","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fdescriptinc_6c98296b.png","",null,"https:\u002F\u002Fwww.descript.com","https:\u002F\u002Fgithub.com\u002Fdescriptinc",[80,84],{"name":81,"color":82,"percentage":83},"Python","#3572A5",99.8,{"name":85,"color":86,"percentage":87},"Dockerfile","#384d54",0.2,1757,178,"2026-04-08T14:55:22","MIT","Linux, macOS, Windows","非必需（支持 CPU 运行），但推荐使用 NVIDIA GPU 以加速编码\u002F解码及训练；显存需求未明确说明（长文件处理可能耗尽显存）；CUDA 版本未说明","未说明",{"notes":96,"python":94,"dependencies":97},"该工具提供 Docker 镜像以简化环境部署。模型权重支持 16kHz、24kHz 和 44.1kHz 采样率，首次运行时会自动下载默认模型（也可手动预下载以便离线使用）。在程序化使用中，处理长音频文件时需注意 GPU 显存限制，建议使用内置的 compress\u002Fdecompress 函数处理长文件。",[98,99],"torch","audiotools",[14,101,15],"音频",[103,104,105,106,107,108,109,110,111],"audio","audio-compression","compression-algorithm","deep-learning","pytorch","codec","gans","generative-adversarial-network","residual-vector-quantization","2026-03-27T02:49:30.150509","2026-04-11T17:04:40.549887",[115,120,125,130,135,140,145],{"id":116,"question_zh":117,"answer_zh":118,"source_url":119},26337,"如何设置不同的编码比特率或测试不同数量的码本？","默认比特率为 8kbps。如果您发现更改设置后压缩文件的大小没有变化，这是一个已修复的 bug。请更新 dac 到最新版本（例如：`pip install descript-audio-codec==0.0.3` 或更高），新版本已支持按预期调整压缩比率。","https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\u002Fissues\u002F9",{"id":121,"question_zh":122,"answer_zh":123,"source_url":124},26338,"训练脚本启动后卡住或直接退出怎么办？","这通常是由于环境配置或 matplotlib 后端问题导致的。尝试在代码开头添加以下行来强制使用非交互式后端：\n```python\nimport matplotlib\nmatplotlib.use('Agg')\n```\n此外，确保使用与成功运行的同事完全一致的干净 conda 环境，有时依赖库的版本冲突也会导致此问题。","https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\u002Fissues\u002F18",{"id":126,"question_zh":127,"answer_zh":128,"source_url":129},26339,"是否发布了 24kbps 的模型？为什么论文中的消融实验结果更好？","论文中提到的 24kbps 消融实验模型（44.1kHz 输入采样率）训练时间较短，未达到最终效果，因此未发布。目前官方已发布了一个 24kHz 采样率、24kbps 比特率的模型，其配置与 EnCodec 相同但音质显著更好。44.1kHz 的模型最大仅支持 8kbps 比特率。","https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\u002Fissues\u002F11",{"id":131,"question_zh":132,"answer_zh":133,"source_url":134},26340,"如何对立体声（双声道）音频进行编码和解码？","早期版本可能只处理单声道。请使用最新版本的 DAC（1.0.0 及以上），该版本已合并了立体声支持。请使用 `model.compress` 和 `model.decompress` 函数来处理立体声文件，而不是旧的 encode\u002Fdecode 流程。","https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\u002Fissues\u002F25",{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},26341,"如何使用量化后的 codes 进行解码，而不是直接使用编码器输出？","直接使用 `model.decode(z)` 其中 z 是未量化的编码器输出是不正确的。您应该使用量化后的 codes。在较新的 API 中，请使用 `model.decompress(codes)` 方法将离散码本还原为音频信号，这才是 RVQ-VAE 的正确推理流程。","https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\u002Fissues\u002F66",{"id":141,"question_zh":142,"answer_zh":143,"source_url":144},26342,"运行熵计算脚本 (compute_entropy.py) 时出现 'tuple indices must be integers' 错误怎么办？","这是由于模型权重文件格式或脚本解析逻辑在某个 commit 后发生了变化导致的。该问题已被社区用户修复。如果您遇到此错误，请确保拉取最新的代码库，或者检查 `scripts\u002Fcompute_entropy.py` 中对模型输出的解析部分，确保正确处理了返回的元组结构而非字典。","https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\u002Fissues\u002F30",{"id":146,"question_zh":147,"answer_zh":148,"source_url":149},26343,"HiFi-Codec 或 AcademiCodec 与本项目有什么区别？","本项目 (Descript Audio Codec) 专注于高质量的音频压缩。关于 HiFi-Codec 或其他开源编解码器（如 AcademiCodec 中的实现）的具体对比，社区曾讨论过 GRVQ 等技术的实现差异。建议参考 AcademiCodec 仓库了解其特定的 24k_240d 配置，本项目主要优化了低比特率下的听感质量。","https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\u002Fissues\u002F3",[151,156,161,166,171,176],{"id":152,"version":153,"summary_zh":154,"released_at":155},171580,"1.0.0","## 变更内容\n* 修复测试并修正文档字符串，由 @eeishaan 在 https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\u002Fpull\u002F20 中完成\n* 编解码器的分块推理功能，由 @pseeth 在 https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\u002Fpull\u002F22 中实现\n\n## 新贡献者\n* @pseeth 在 https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\u002Fpull\u002F22 中完成了首次贡献\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\u002Fcompare\u002F0.0.5...1.0.0","2023-07-20T18:09:06",{"id":157,"version":158,"summary_zh":159,"released_at":160},171581,"0.0.5","## 变更内容\n* @ritheshkumar95 在 https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\u002Fpull\u002F19 中添加了最终的训练配置，并发布了 16 KHz 模型。\n\n## 新贡献者\n* @ritheshkumar95 在 https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\u002Fpull\u002F19 中完成了首次贡献。\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\u002Fcompare\u002F0.0.4...0.0.5","2023-07-05T15:32:35",{"id":162,"version":163,"summary_zh":164,"released_at":165},171582,"0.0.4","## 变更内容\n* @eeishaan 在 https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\u002Fpull\u002F13 中发布了 24kHz 模型  \n\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\u002Fcompare\u002F0.0.3...0.0.4","2023-06-21T17:47:58",{"id":167,"version":168,"summary_zh":169,"released_at":170},171583,"0.0.3","## 变更内容\n* 使用 n_quantizers，并将码本保存为 uint16 类型，由 @eeishaan 在 https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\u002Fpull\u002F12 中实现。\n\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\u002Fcompare\u002F0.0.2...0.0.3","2023-06-19T19:30:58",{"id":172,"version":173,"summary_zh":174,"released_at":175},171584,"0.0.2","## 变更内容\n* @eeishaan 在 https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\u002Fpull\u002F2 中更新了 README.md\n* @eeishaan 在 https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\u002Fpull\u002F6 中准备 PyPI 发布\n* @eeishaan 在 https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\u002Fpull\u002F7 中将包名改为 descript-audio-codec\n\n## 新贡献者\n* @eeishaan 在 https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\u002Fpull\u002F2 中完成了首次贡献\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\u002Fcompare\u002F0.0.1...0.0.2","2023-06-14T20:30:15",{"id":177,"version":178,"summary_zh":179,"released_at":180},171585,"0.0.1","**完整更新日志**: https:\u002F\u002Fgithub.com\u002Fdescriptinc\u002Fdescript-audio-codec\u002Fcommits\u002F0.0.1","2023-06-12T21:52:37"]