AI · 算法工程
共 3,223 个仓库 · 一年内有推送
管理 BibTeX 和 BibLaTeX 文献库的桌面工具，帮研究人员整理参考文献、生成引用并统一引用格式。
LightGlue 是一个基于 Transformer 的轻量级局部特征匹配网络，速度快、精度高，适合 SLAM、三维重建和位姿估计等需要实时图像匹配的场景。
面向机器人与无人机的激光雷达-惯性-视觉紧耦合里程计，实时输出高精度位姿与彩色点云，支撑三维重建与SLAM。
离线运行的本地音视频转字幕工具，能把语音识别成文字，输出 JSON、SRT 字幕和纯文本格式，适合不想上传云端、注重隐私的字幕制作场景。
用一块 7 美元的 ESP32 给 AI 模型配上真 iPhone 的「眼睛和手」：AirPlay 投屏看画面，USB HID 模拟触控操作，无需 Mac、开发者账号或越狱。
轻量级文本切分库，为 RAG 流水线提供快速、稳定、语义感知的文档分块能力，解决长文本切分质量差的问题。
把 HTML、CSS 和数据直接渲染成 MP4 视频的编程式视频工具，内置 21 个模板和可插拔渲染引擎，让编码 Agent 在本地就能生成视频，无需按次付费。
一份 Go 项目开发工具清单，收录基准测试、代码生成、代码可视化、文档生成等实用命令行工具，帮 Go 开发者快速找到趁手的工具。
统一视频生成推理与后训练框架，支持扩散模型加速、蒸馏和微调，帮你在有限算力下更快跑出视频。
统一接入 MCP、A2A 和 REST/gRPC 的 AI 网关与注册中心，集中做服务发现、鉴权和调用管控，优化 Agent 与工具调用。
跨平台文档扫描工具，支持 TWAIN、WIA、eSCL 和 SANE 协议，把纸质文件扫成 PDF 并内置 OCR 识别，Windows、Linux、macOS 都能用。
面向 LLM 应用的 AI 原生数据库，把稠密向量、稀疏向量、多向量张量和全文检索融合在一起做混合搜索，速度极快。
面向 Transformer 模型的高性能推理引擎，用 C++ 实现并支持 CUDA、AVX、NEON 等硬件加速，让机器翻译等模型在 CPU/GPU 上跑得更快、显存占用更低。
华为开源的深度学习训练与推理框架，覆盖移动端、边缘和云场景，主打国产 NPU 生态适配。
浏览器扩展，用于在网页上标注、收藏和讨论有价值的内容，支持个人、团队和社区协作，并带全文搜索。
一份从入门到进阶的 Claude Code 使用指南，涵盖安装配置、命令、工作流、Agent 与技能，帮你快速上手并进阶为高效用户。
一个 Python 招聘信息抓取库，能从 LinkedIn、Indeed、Glassdoor 等八个招聘网站批量采集职位数据，省去逐个平台爬取的麻烦。
OBS 直播/录屏插件，用 ONNX Runtime 做实时人像背景分割，一键抠掉摄像头背景换成任意画面。
用 Rust 写的高性能向量图神经网络数据库，把向量检索、GNN 推理和智能体记忆放在一起，主打实时决策和低延迟自学习。
用任意大模型（OpenAI、Claude、Gemini、DeepSeek、Ollama 等）搭建深度研究流程，提供 SSE API 和 MCP server，方便接入 Agent 或自建研究助手。
一个用人类反馈对齐任意模态大模型的开源训练框架，支持文本、视觉语言等多模态模型的 DPO 和 RLHF 微调。
100M 参数的多语言语音合成模型，能在 CPU 上实时推理，支持音色克隆和 48kHz 立体声输出，适合本地部署轻量 TTS。
高性能开源内存图数据库，兼容 Cypher，用 C++ 编写，适合 GraphRAG、AI 记忆、智能体和实时图分析场景。
把 OpenAI Whisper 语音识别模型反过来用做文本转语音的开源 TTS 系统，基于 PyTorch 实现，可直接在真实语音数据上训练出多说话人合成效果。