探索全部
共 1,388 个仓库 · 近 4 个月有推送 · Python
基于流匹配的语音合成模型，通过表情符号控制说话风格，支持声音克隆，让 TTS 输出带情绪和语气变化。
面向 Keras 和 TensorFlow 的模型压缩工具包，通过量化和剪枝把训练好的模型压小、跑得更快，方便部署到移动端和边缘设备。
一套面向 RPA 的开源 Python 库和工具集，兼容 Robot Framework，集成 OCR、文档解析和 NLP 能力，用来搭建业务流程自动化脚本。
自托管的多智能体编排平台，支持构建、部署和自动化业务流程，可追踪每次执行并保留人工审批环节。
一套 Hyprland 桌面配置，按 Material You 风格自动生成配色，带流畅动画和可定制外观，适合在 Arch Linux 上快速搭出好看的 Wayland 桌面。
用 Python 实现的图像信号处理器（ISP），把传感器原始数据加工成可用的图像，适合做相机成像流程的算法验证与二次开发。
面向智能体时代的开源文档智能平台，把非结构化文档接入 ETL 流水线和向量库，方便构建文档检索与 LLM 智能体应用。
Ovis 是一种多模态大语言模型架构，通过结构对齐视觉与文本嵌入，让模型能同时理解图像和文字，适合做视觉问答、图文对话等任务。
用 Python 和 TypeScript 统一调用各家大模型，把提示词、工具调用和结构化输出封装成轻量模块，避免被重型框架绑死。
.png){kind=small}
用视觉语言模型从 PDF、Word、PPT 和扫描件等难搞文档里提取干净结构化数据，省去手工清洗的麻烦。
每天自动抓取 arXiv 上计算机视觉方向的新论文并整理更新，省去手动刷 arXiv 的麻烦，适合跟踪 3D 重建、图像匹配、NeRF 等方向的最新进展。
把大语言模型和适配时空视频表示的视觉编码器结合，让模型能围绕视频内容展开有意义的对话，并提供视频对话模型的量化评测基准。
一个注重隐私的 Python HTTP 客户端，能模拟浏览器 TLS/HTTP2 指纹（JA3/JA4、Akamai），帮爬虫绕过反爬检测。
Prism 是腾讯混元提出的动态稀疏注意力框架，让视频-音频联合生成模型能原生训练到 2K 分辨率，解决高分辨率多模态生成算力吃紧的问题。
基于 AgenticX 的多智能体金融情报平台，实时分析财经新闻、融合情绪信号并挖掘 alpha 因子，帮量化研究者从资讯里找交易线索。
一站式通用 OCR 开源工具箱，集训练评测基准、商用级文字识别与文档解析系统于一体，并复现多篇学术论文的核心实现。
面向扩散模型和全模态模型的多模态强化学习训练框架，支持 GRPO、流匹配和 vLLM 推理，用来做图像生成与多模态模型的 RLHF 训练。
用 Python 对多目标跟踪器做基准评测，计算 CLEAR MOT 等标准指标，方便横向对比不同跟踪算法的效果。
多后端 Whisper 语音转文字工具，支持本地文件或 URL 输入，在 Mac ARM 上做了速度优化，安装简单且完全离线私有。
面向各类 Stable Diffusion 模型的高质量免训练图像修复方案，可作为 ComfyUI 自定义节点直接接入工作流，无需额外训练即可完成局部重绘。
可控语音转写工具，能逐字保留停顿、口吃和语气词，也能输出流畅可读版本，并提供词级时间戳。
基于 Chrome DevTools 协议的异步网页抓取与自动化框架，能绕过 Cloudflare 等反爬检测，适合需要隐蔽采集的场景。
一套给 AI 编程代理用的技能包和 AGENTS.md 工作流模板，让 Claude Code、Cursor、Codex 按「隔离开发、服务层构建、证据验证、前后对比交付」的流程干活。
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。