AI · 算法工程
共 2,598 个仓库 · 近 4 个月有推送
基于预训练流模型实现免反演文本编辑，无需先反演再重建，直接按文字指令修改图像，简化流程并提升编辑效果。
面向 Apple Silicon 的原生 SwiftUI 系统监控工具，无需 sudo 即可实时查看 ANE、媒体引擎和内存带宽占用，方便排查本地大模型推理时的硬件瓶颈。
让 AI Agent 绕过浏览器点击，直接调用网站 API 完成操作的 Chrome 扩展与 MCP 服务，可作为 Claude Code 等工具的插件使用。
给编码 Agent 用的轻量沙箱，不依赖容器就能限制命令的网络和文件系统访问，基于 bubblewrap、Landlock、seccomp 等机制实现隔离。
自托管的 OpenCode 网页控制台，把会话、Git、终端和定时任务集中到一个界面，手机或桌面浏览器都能远程管理编码 Agent。
基于 TensorFlow 2 的端到端语音识别框架，支持 Conformer、ContextNet、DeepSpeech2 等模型，可做字符或子词级多语言识别与流式推理。
基于下一代 Kaldi 的语音转文字服务端框架，支持流式与非流式识别，可通过 WebSocket 对外提供 ASR 服务。
让大模型直接操控 Mac 的最薄封装层，通过辅助功能接口和 CDP 把桌面操作交给 Agent，省去复杂中间层。
Linux 上的离线语音听写工具，基于 whisper.cpp、Whisper 和 VOSK 引擎，支持 GPU 加速，在 X11 和 Wayland 下都能把说的话直接输入到任意应用。
一套面向 Claude Code、Cursor 等 AI 编程助手的插件与智能体集合，把写代码之外的评审、自动化等开发流程也交给 AI 接管。
终端里的开源编码智能体，能读懂仓库、规划多步改动、写改文件、跑命令和测试，并循环迭代直到任务完成。
MIT 协议的开源计算机视觉库，支持目标检测、实例分割和姿态估计，兼容 ONNX 与 PyTorch，方便在边缘设备上训练和部署模型。
自带 API Key 的语音记录助手，支持语音转写、说话人分离和 AI 摘要，还能接入本地 ASR 服务，适合注重隐私、想自己掌控模型的用户。
把 Segment Anything 的 2D 分割能力迁移到 3D 高斯泼溅场景，实现无需逐场景训练的三维物体分割，适合做 3D 重建后的语义编辑与标注。
自托管的浏览器多开管理面板，为每个账号创建独立指纹的隔离浏览器环境，可一键启动并配合 Playwright 做自动化，是 Multilogin 的免费替代。
基于 OpenAI Whisper 的实时语音转写框架，接收连续音频流分块并即时输出增量转写结果，不用等整段音频上传完再处理。
从稀疏或带噪声的点云重建高质量三维表面，基于神经核场方法，适合三维重建与图形学研究。
用 Go 写的终端编码 Agent，支持 RPC 插件、子 Agent 和 MCP 协议，能在命令行里快速完成代码修改与任务编排。
把 ONNX 模型一键转成 TFLite、TensorFlow、PyTorch 原生代码或 TorchScript，省去跨框架部署时手写转换脚本的麻烦。
基于 DeepSeek 的命令行编码 Agent 运行框架，提供持久化 shell、Ultra 子代理、自动审批、Chrome MCP 和会话遥测，让 AI 能连续执行开发任务。
面向开发者的 AI 学习路线图，系统梳理大模型训练、推理、强化学习与 Agent 等核心方向的概念、主流技术和前沿趋势，帮助从理论走到落地。
面向企业和开发者的 OpenAI、Claude、Gemini 统一 API 代理，无需 OpenAI Key、账号或外币卡即可直接调用 GPT-5、Sora 等模型。
基于视觉语言模型的无解析 RAG 方案，直接把文档当图片做检索和生成，省去 OCR 和版面解析环节，减少信息损失。
自托管的 AI 应用构建器，智能体在你自己服务器的隔离沙箱里生成真实应用，每个应用都有独立预览链接，一条命令即可部署。