AI · 算法工程
共 2,598 个仓库 · 近 4 个月有推送
把 OpenAI Whisper 封装成开箱即用的 Docker 语音识别 Web 服务，上传音频即可通过 API 拿到转写文本，省去自己搭推理服务的麻烦。
在手机或 Mac 上离线跑 GGUF 大模型、视觉识别、Whisper 语音转文字和 Stable Diffusion 生图，支持工具调用与局域网服务，无需账号和 API Key。
给 AI Agent 用的隐身浏览器自动化 MCP 服务，基于 Chrome DevTools 协议实现页面导航、网络拦截、DOM 提取和像素级 UI 克隆，能绕过反爬检测。
用 2D 高斯面片做辐射场重建，能同时合成新视角并输出几何精确的表面，解决了传统 3DGS 重建表面粗糙、几何不准的问题。
一款原生 macOS 聊天应用，基于 llama.cpp 在本地运行大模型，可直接读取你 Mac 上的文件、文件夹和网页内容来回答问题，无需额外安装其他软件。
把幻灯片截图、PDF 和图片版 PPTX 转成可编辑的 PowerPoint 文件，基于 Codex skill 实现，省去手动重排的麻烦。
一套可扩展的列柱式压缩框架，也是目前最快的开源列柱式文件格式，面向多模态和 Arrow 数据的高效存储与读取。
一个基于 Gradio + React 的 WebUI，把 GPT-SoVITS、CosyVoice、XTTSv2、Bark、MusicGen、RVC 等二十多种语音合成、音频生成与音乐生成模型整合到同一界面，省去逐个部署的麻烦。
用 LLM 驱动的网页抓取工具，支持 OpenAI、Gemini 和 Ollama，能按自然语言指令从网页中提取结构化数据，省去手写解析规则。
从 OpenAPI、GraphQL、gRPC 等接口描述文件自动生成交互式 API 文档、带类型的 SDK 和 MCP 服务器，省去手写文档和客户端的重复劳动。
轻量级 Python 向量化库，无需 API 调用即可在本地快速生成高质量文本嵌入，适合 RAG 和向量检索场景。
在安卓手机上免 ROOT 跑 DeepSeek Harness，自带完整 Ubuntu 环境，用 proroot 避开 ptrace 开销，AI 输出实时上屏、ADB 直连、数据不丢。
用 TypeScript 快速搭建 MCP 服务器的框架，内置 SSE 传输支持，省去从零处理协议细节的麻烦。
用小型模型把图片里的版面、表格、数学公式和文字识别成 Markdown，支持 80 多种语言，是 Mathpix 的免费替代方案。
面向黑盒安全测试的 AI Agent 框架，把大模型和 MCP 工具串起来，支撑漏洞赏金、红队和渗透测试流程。
轻量可扩展的 Python 数据校验库，用声明式 schema 校验字典等数据结构，适合接口入参和配置文件的格式检查。
面向开发者的开源 LLMOps 平台，把提示词设计、版本管理、即时下发、团队协作和可观测性串成一条流水线，省去自己拼凑工具的成本。
面向文档 AI 的 Python 工具箱，把 OCR、版面分析和表格识别串成流水线，方便从扫描件和 PDF 里抽取结构化内容。
一站式扩散模型训练工具，支持 LoRA 和图像模型微调，提供图形界面，无需写代码即可完成训练配置。
用 Rust 写的高性能 AI 模型推理引擎，支持 LLM 和语音合成，并针对 Metal 做加速，适合在本地或服务端跑模型推理。
在真实操作系统环境里评测多模态智能体的基准平台，支持开放式任务，覆盖 GUI 操作、命令行和代码生成等场景。
本地运行的开源 AI 会议助手与面试副驾，提供实时转写、会议笔记、讲座录音和本地 RAG，支持自带密钥，无需订阅。
把 ONNX 模型直接转成 TensorRT 引擎的官方解析器，让训练好的模型能在 NVIDIA GPU 上做高性能推理部署。
基于 ONNX Runtime 和 DirectX 12 的图像/视频 AI 超分工具，带图形界面，支持 N 卡、A 卡和 Intel 显卡，可降噪、去压缩伪影，适合修复动漫和漫画素材。