AI · 算法工程
共 1,645 个仓库 · Python
面向开发者的模型优化框架，能对扩散模型、LLM、语音识别等模型做压缩加速，以极低改造成本换来更快、更省资源的推理。
集音视频处理、图片编辑、文本操作与编码于一体的桌面工具箱，内置语音识别、OCR 等 AI 增强能力，并提供本地 MCP 服务来简化日常办公流程。
Qdrant 向量搜索引擎的官方 Python 客户端，方便在 Python 项目里接入向量检索，做相似度搜索和 RAG 应用。
基于 CTranslate2 加速的 Whisper 命令行客户端，接口与 OpenAI 官方客户端兼容，能更快地做语音转文字。
本地完成计算机视觉模型从标注、训练到优化部署的全流程，支持增量学习与模型压缩，针对 Intel XPU 加速并兼容 CUDA。
面向扩散模型的可扩展、显存优化训练框架，基于 PyTorch 和 Diffusers，让大模型微调在有限显存下也能跑起来。
用扩散模型做医学图像器官分割与重建，把去噪扩散思路引入分割任务，适合医学影像研究和训练微调。
面向俄语的轻量级 NLP 工具集，把分词、词形还原、命名实体识别、句法分析等基础任务封装成统一 API，适合快速搭建俄语文本处理流程。
UNO 是字节跳动开源的通用图像定制方法，基于扩散 Transformer，用同一套框架同时支持单主体和多主体参考图生成，解决多主体一致性难的问题。
把 PDF、书籍和论文自动转成可追溯、可测验、可做笔记的交互式学习网页，适合用 AI Agent 把复杂资料变成能学能练的知识库。
给代码仓库装上大脑的代码智能问答工具，能接入 Claude Code、Cursor、Codex 等 IDE 和命令行，用知识图谱检索帮你快速理解和查询整个代码库。
基于扩散模型的虚拟试衣方案，可自定义服装、姿态和场景生成高保真人物图，并保持服装细节一致。
复现 DeepSeek Engram 记忆架构的研究项目，基于 Qwen-3 和 Stable Diffusion，用 LoRA/PEFT 给大模型注入外部记忆，免去全量微调。
基于扩散模型的时间流逝视频生成模型，能把文本提示变成物体随时间逐渐变形的延时视频，还配套了专门的延时数据集。
基于 DGL 的高性能知识图谱嵌入学习库，支持在超大规模图谱上训练 TransE、RotatE 等嵌入模型，兼顾易用性与可扩展性。
RoMa 是 CVPR 2024 提出的鲁棒稠密特征匹配器，能为几乎任意图像对估计像素级稠密形变和可靠的匹配置信度，用于 3D 重建等任务。
开箱即用的实时交互数字人，支持自定义形象和音色克隆，端到端对话延迟低至3秒，适合快速搭建虚拟主播或客服场景。
用超网络仅凭任务文本描述就为 LLM 生成 LoRA 权重，免去标注数据和反向传播，让模型快速适配特定基准任务。
把 ONNX 模型转成 TensorFlow 格式，方便在 TensorFlow 生态里直接加载和运行其他框架训练好的模型。
一套从零到精通 AI 工程的中文学习路径，20 个阶段 542 节课，配动画讲解视频和配套站点，帮人系统成长为 AI Agent 工程师。
用 PyTorch 复现 bert4keras 风格的 Transformer 实现，支持 BERT、LLaMA、ChatGLM 等模型，方便做 NLP 训练与推理。
一套 14 个 AI Skill，把抖音、B站、小红书、公众号、播客等中文平台内容采集进个人知识库，支持图文存图、字幕优先免 GPU 转写、订阅调度和每日简报，还带知识库 MCP server。
本地优先的语义代码搜索引擎，用向量嵌入理解代码含义，支持像 grep 一样搜索，但能按语义而非仅靠正则匹配找代码。
从稀疏多视角图像前馈式重建 3D 高斯，用代价体积做几何匹配，无需逐场景优化就能快速合成新视角。