AI · 算法工程
共 1,645 个仓库 · Python
一套用于评估目标检测算法的常用指标实现，支持计算 AP、mAP 和 PR 曲线，兼容 Pascal VOC 等标注格式。
开源多智能体编排框架，前身是 AutoGen，支持构建、协作和调度多个 LLM 智能体，并集成 MCP、A2A 等协议。
端侧唤醒词检测引擎，用深度学习在本地识别自定义唤醒词，无需联网即可实现语音激活。
一份持续更新的精选清单，收录真正开源的 AI 项目、模型、工具和基础设施，帮你在海量仓库里快速找到可用的开源方案。
用 100 多张原创原理图把 LLM 和强化学习的关键算法讲清楚，适合想系统理解大模型训练与 RL 机制的人对照学习。
基于中文医学知识对 LLaMA 等大模型做指令微调，打造能回答医疗问题的中文医疗助手，开箱可用。
给编码 Agent 用的本地视频编辑工具，封装 42 个 FFmpeg 能力并通过 MCP 服务暴露，让 Claude Code、Cursor 等直接完成剪辑、字幕、改画幅和响度归一化。
机器学习与智能体 AI 的学习资源合集，涵盖计算机视觉、NLP、语音识别等方向的实践教程与研究资料，适合系统入门和查阅。
把文本转成向量矩阵的中文文本表征工具，内置 Word2Vec、Sentence-BERT、CoSENT 等模型，开箱即用做文本相似度计算与语义检索。
基于浅层扩散机制的歌声合成与语音合成模型，AAAI 2022 官方实现，支持 MIDI 输入生成歌声，兼顾合成质量与推理速度。
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。
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。
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。
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。
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。
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。
把自然语言提示词编译成结构化输出的提示工程工具，支持 GPT 等模型，并提供提示词版本管理，省去手写解析逻辑。
把位图转成 SVG 的视觉语言基础模型，将矢量化当作代码生成任务，输出高精度、可直接使用的 SVG 代码。
收集大量预训练模型，并已转成 TensorFlow、PyTorch、ONNX、OpenVINO、TFLite、CoreML 等格式，省去自己跨框架转换的麻烦。
提供大量可直接用于 TensorFlow、JAX 等框架的数据集集合，省去自己下载、解析和预处理数据的麻烦，统一接口加载即可训练模型。
腾讯混元推出的轻量级视频生成模型，支持文生视频和图生视频，在较小参数规模下也能生成高质量视频，适合显存和算力有限的场景部署。