探索全部
共 1,391 个仓库 · 近 4 个月有推送 · Python
基于 PyTorch 的医学影像深度学习工具包，提供数据加载、预处理、网络结构和评估等组件，帮研究者快速搭建医疗影像 AI 流程。
用两小时从零训练一个 65M 参数的多模态视觉语言模型，代码和流程完整，适合低成本复现 VLM 训练与对话实验。
基于 VITS2 骨干网络和多语言 BERT 的语音合成模型，能生成自然度较高的多语种语音，适合做 TTS 训练与推理。
一套免费的 Claude 技能集，能逆向分析任意应用、复刻重建并测试修 bug，还能按用户反馈改进，适合独立开发者快速克隆产品。
面向 Android 设备的全栈控制平台，集成 WebRTC 远程桌面、UI/OCR 自动化、一键 MITM 抓包和内置 Frida，适合多设备集群的自动化测试与逆向分析。
一份三语（繁中/英文/简中）的 Agentic AI 学习路线图，从 LLM 基础一路讲到多智能体系统，收录 240+ 精选资源和动手示例，适合系统入门 AI Agent。
面向 OPC 和中小微企业的自媒体获客智能体，用多智能体协作自动完成内容抓取、RPA 操作和营销获客流程。
用 Python 写的可扩展音乐服务器，能接入本地文件和各种流媒体服务，统一管理和播放音乐，适合自建家庭音乐中心。
自托管的 YouTube 媒体服务器，自动下载订阅频道视频并建立本地索引，用 Elasticsearch 提供搜索和播放，解决视频收藏与离线观看需求。
多音色、支持提示词控制情感与风格的语音合成引擎，输入文本即可生成带情绪表现力的自然语音，适合做有声内容和虚拟人配音。
让大模型在普通显卡上跑起来的 PyTorch 量化库，支持 8-bit 和 4-bit 权重压缩，也是 QLoRA 微调背后的核心依赖。
基于 ONNX Runtime、OpenVINO、PaddlePaddle 等多家推理后端的 OCR 工具包，支持多语言识别，方便在不同硬件上快速部署文字检测与识别。
给 GDB 加上现代化调试体验的增强插件，为 Linux 上的漏洞利用开发和逆向工程师提供高级调试能力。
用 Python 写的开源深度研究工具，能对私有数据做推理式检索，替代闭源深度研究方案，支持接入 Milvus 和多种大模型。
提供可插拔的 Python 和 C++ 多目标跟踪模块，集成 BoT-SORT、ByteTrack、OC-SORT 等 SOTA 算法，支持轴对齐与旋转框跟踪。
基于苹果 MLX 框架的语音处理库，在 Apple Silicon 上高效完成语音合成、语音识别和语音转换，适合本地跑多模态语音任务。
给 LLM 加一层语义缓存，相似问题直接命中缓存结果，省下重复调用 API 的钱和时间，已集成 LangChain 和 llama_index。
基于 Stream 边缘网络快速搭建语音与视觉智能体，可接入任意模型或视频源，实现超低延迟的实时多模态交互。
LMDeploy 是面向大模型的高效推理与服务工具包，支持模型压缩、部署和在线服务，内置 TurboMind 推理引擎和 CUDA 算子，可加速 Llama、InternLM 等模型的推理。
扫描代码库生成健康评分、自动文档和 Git 分析，还能找出死代码并通过 MCP 输出架构决策，帮团队和 AI 快速看懂项目现状。
给一个示例 URL，自动学习网页结构并生成抓取规则，省去手写解析逻辑，适合快速采集相似页面的数据。
提供 Python API 访问禁漫天堂，支持网页端和移动端，可配合 GitHub Actions 自动下载漫画。
用 BERT 句向量加 c-TF-IDF 做主题建模，生成的主题可解释性强，适合从大量文本里快速挖掘和归类话题。
在 PaLM 架构上实现 RLHF 人类反馈强化学习，复现 ChatGPT 式训练流程，适合研究大模型对齐与强化学习微调。