开源工具

按同一中文录音比较 Vosk 与 Whisper 的安装、模型、输入格式和转写错误，给出依场景选型的方法。

按 GFPGAN 官方 v1.3 推理流程增强旧人像，逐项对照脸部身份特征与背景，并保留原始照片。

用原图和同尺寸破损掩码运行 LaMa 局部补全，保留历史原件并比较修复区域与未遮盖区域。

用 spaCy Sentencizer 按中文标点断句并输出字符偏移，核对尾段、原文切片和复杂标点限制。

用 OpenCV 官方 Haar 级联模型检测正面人脸并画框，检查模型加载、坐标和漏检误检。

用 Torchvision DeepLabV3 输出每像素类别编号掩码，核对类别、尺寸和灰度显示，保留原始 ID。

用 EasyOCR 识别本地中英文图片，保存四边形坐标、文字和置信度，并逐块回查原图。

用 Torchvision ResNet50 和权重自带预处理输出图片 Top-5，核对类别映射、候选分数与业务边界。

用 CVAT Track 建立视频目标轨迹，修正关键帧、处理 Outside，并检查插值和导出 ID。

以 FunASR 流式 Paraformer 接收 16 kHz 单声道音频块，处理 cache、is_final 和会话隔离，并说明从文件演示接入麦克风或2pass服务的边界。