AI · 算法工程
共 1,645 个仓库 · Python
用 Python 库搭建的语音个人助手，能通过语音指令发邮件、识别文字、播报新闻天气、搜索维基百科和地图、下载 YouTube 视频等。
在 Apple Silicon Mac 上原生微调大模型的工具，基于 MLX 支持 SFT、DPO、GRPO 以及视觉、语音、OCR 等多模态训练，API 兼容 Unsloth。
SkillNet 用知识图谱把 AI 技能组织成可复用、可评估、可连接的技能网络，让智能体按需检索并组合技能完成任务。
一个桌面 AI 代理，能为每个任务自动雇佣专家代理，在你的真实应用里连续工作数周，还能用手机远程下达指令。
仅凭视频输入就能做流式三维重建，重点解决长时序场景下局部上下文丢失的问题，适合在线建图与SLAM类应用。
给 Claude Code 加上语音对话能力，用 Whisper 做语音识别、Kokoro 做语音合成，通过 MCP 服务实现自然流畅的语音交互。
OuteTTS 模型的推理接口，支持 GGUF 和 Transformers 后端，方便本地跑文本转语音。
OpenCV-Python 4.1 中文教程文档，涵盖图像处理、目标检测等计算机视觉入门内容，适合中文开发者系统学习 OpenCV 的 Python 用法。
PointCNN 提出 X-变换卷积算子，直接在无序点云上做特征学习，可用于三维点云分类和分割，服务于自动驾驶、机器人等场景。
面向波斯语（Farsi）的 Python NLP 工具包，提供文本归一化、分词、词性标注、依存句法分析、词形还原和词向量等完整处理流程。
Milvus 向量数据库的官方 Python SDK，让 Python 开发者能直接建集合、写入向量并做相似度检索，是搭建 RAG 和向量搜索应用的基础客户端。
把视频自动翻译并配音成另一种语言，集语音识别、说话人分离、字幕翻译和语音合成于一体，输出音画同步的译制视频。
韩语版 BERT 预训练模型，基于 PyTorch 和 Transformers，可直接加载做韩语文本分类、情感分析等下游任务的微调。
分布式模型服务框架，能把多台机器组成自建 AI 推理集群，用来跑 Llama、DeepSeek 等大模型。
一个可直接用于生产的 MLOps Python 包模板，集成 MLflow、scikit-learn、Pydantic、Pandera 和 uv，帮你快速搭起带实验追踪与数据校验的机器学习工程骨架。
围绕 TTS 生成模型搭建的语音合成服务，提供 API Server 和 Gradio WebUI，方便快速部署和调用多种语音生成模型。
一个完全自主的通用 AI 智能体，能自己拆解任务、调用工具并完成复杂目标，适合搭建自动化 Agent 流程。
用 PyTorch 复现 MetaAI 的 Transfusion：在同一多模态模型里同时预测下一个 token 和扩散生成图像，把语言建模与图像扩散统一到一个 Transformer 中。
实时端到端开放词汇目标检测模型，无需重新训练即可用自然语言描述检测任意类别物体，适合零样本检测场景。
把大语言模型接入 spaCy 的结构化 NLP 流水线，用提示词完成命名实体识别等任务，无需训练即可复用现有流程。
阿里开源的高性能大模型推理引擎，支持 GPT、Llama 等多种模型，面向各类应用提供低延迟、高吞吐的在线推理服务。
给 Hermes Agent 用的七层持久记忆系统，基于 Qdrant 向量库做结构化事实存储、自动整理 wiki 和精准上下文注入，本地运行且兼容任意 LLM 提供商。
一种面向视频扩散模型的免训练缓存加速方法，利用时间步嵌入判断哪些步骤可以复用计算结果，从而在不重新训练的情况下显著提升推理速度。
开源图像编辑基础模型，能精准理解指令完成高保真修图，并保持人物身份一致、自然融合多元素，适合做图像编辑训练与微调。