探索全部
共 1,808 个仓库 · 一年内有推送 · Python
预训练的企业级语音活动检测（VAD）模型，能精准切分音频中的说话段与静音段，支持 ONNX 和 PyTorch 部署，适合语音识别、语音指令等场景的前置处理。
一键识别并翻译漫画、图片中的文字，自动完成 OCR、机器翻译和文字区域修复，适合给日漫或外文图片做批量汉化。
开源的图片缩略图服务，支持裁剪、缩放、加水印和格式转换，可处理 JPEG、PNG、WebP、AVIF、GIF 等格式，适合为网站搭建独立的图片处理后端。
用一份 YAML 配置就能微调大模型，靠分层流式加载让 8B 模型在 4GB 显存的笔记本 GPU 上跑起来，省去手写训练脚本和显存焦虑。
实时交互式数字人直播方案，基于 ER-NeRF、MuseTalk 等模型实现音频驱动口型同步与说话头生成，可用于虚拟主播和实时对话场景。
面向 AI/ML 工作流的 Python 编排框架，用装饰器写 DAG，支持本地到 Kubernetes、多云部署，并带实验追踪和成本优化。
让多模态大模型直接看屏幕、动鼠标键盘来操作电脑的框架，把自然语言指令变成实际的桌面自动化操作。
纯 Python 实现的 PDF 处理库，能拆分、合并、裁剪和变换 PDF 页面，无需外部依赖即可在脚本里完成常见 PDF 操作。
提供中文 BERT-wwm 系列预训练模型，用全词掩码技术提升中文 NLP 任务效果，可直接加载微调。
面向 Windows 的 GUI 智能体框架，用自然语言驱动 LLM 自动操作桌面应用完成跨应用任务，把繁琐的点击流程交给 AI 执行。
基于 Ray 的高性能 RLHF 训练框架，支持 PPO、DAPO、REINFORCE++ 等算法与 vLLM 推理加速，可扩展地完成大模型和视觉语言模型的对齐后训练。
在数据不离开对方服务器的前提下做数据科学，通过联邦学习、安全计算和密码学技术实现隐私保护建模。
RF-DETR 是 Roboflow 推出的实时目标检测与实例分割模型架构，在 COCO 上达到 SOTA，适合直接微调落地。
端到端语音处理工具箱，覆盖语音识别、合成、翻译、增强、分离和说话人日志等任务，基于 PyTorch 提供统一训练与推理流程。
只需几行代码就能把 PyTorch 模型跑在任意设备或分布式配置上，自动处理混合精度（含 fp8）和 FSDP、DeepSpeed 配置，省去手写分布式训练样板代码的麻烦。
AWS 官方开源的一批 MCP 服务器，让 Claude 等支持 Model Context Protocol 的 AI 客户端直接调用 AWS 服务，省去自己写对接层。
低代码 AutoML 平台，几行 Python 代码就能完成分类、回归、聚类和异常检测的建模与调参，4.0 版改用 sklearn 原生引擎并加了 React 控制台。
SANA 是英伟达开源的高效扩散生成模型与配套训练推理引擎，支持文生图、文生视频和世界模型，用线性注意力和 NVFP4 量化在低显存下实现快速生成。
用 HTML 和 CSS 直接生成 PDF 的 Python 库，支持分页、页眉页脚和复杂排版，适合做报表、发票和电子书导出。
本地离线从视频画面中提取硬字幕并生成 srt 文件，基于深度学习做字幕区域检测和文字识别，不用调第三方 API。
用 Python 语法写脚本的跨平台 shell，兼容 bash 命令，适合数据工程和 DevOps 场景，也能被 AI 编码工具直接调用。
Python 网页抓取与浏览器自动化库，支持 Playwright、BeautifulSoup 和原始 HTTP，自带代理轮换，方便为 AI、LLM、RAG 稳定采集网页数据。
一行代码就能把 GPT 换成任意开源大模型，统一推理 API 支持云端、本地和笔记本部署，覆盖语言、语音和多模态模型。
基于图像识别和 Poco 控件识别的跨平台 UI 自动化测试框架，用 Python 脚本驱动 Android、iOS、Windows 上的游戏和应用做自动化测试。