探索全部
共 1,808 个仓库 · 一年内有推送 · Python
GLM-4.6V/4.5V/4.1V-Thinking 系列视觉语言模型，通过可扩展强化学习提升多模态推理能力，支持图像理解、视频理解和图文问答。
ailia SDK 的预训练模型合集，覆盖动作识别、人脸检测、背景移除、语音处理等任务，拿来就能跑推理，省去自己找模型和调参的功夫。
终端里的现代日历和任务管理器，界面简洁可定制，用键盘就能管理日程和待办事项。
汇总 40 款稳定高速的科学上网机场与 VPN 测评，每周核查跑路风险和价格，帮你在 Clash、V2ray、sing-box 等客户端上选到能解锁流媒体的线路。
在 ComfyUI 里搭建 LLM Agent 的框架，接入 MCP、GraphRAG、语音合成与 OCR 节点，兼容 OpenAI 接口的各类模型和本地 GGUF 模型。
给 AI Agent 用的长期记忆系统，支持语义记忆和多 Agent 共享记忆管理，让智能体跨会话记住上下文。
把新闻自动做成 YouTube Shorts 的流水线：生成脚本、AI 画面、配音、字幕并上传，省去手工剪辑。
Open3D 的 3D 机器学习扩展，提供点云与 RGBD 数据的语义分割、目标检测等任务的训练与可视化工具，支持 PyTorch 和 TensorFlow。
面向 AI 原生应用的分布式向量搜索引擎，支持混合检索和 RAG 场景，帮你在海量向量里快速找到相关内容。
把代码生成过程自动转成教学视频，靠多智能体协作完成脚本、代码和画面编排，适合做编程课程或技术讲解素材。
给普通监控摄像头加上目标检测、跟踪、手机通知和录像搜索能力，支持 RTSP 接入，可自建 NVR 替代商业方案。
把 Claude Fable 5 的工作流拆成任何模型都能跑的技能包，用「思考/行动/证明」三步加评测保证输出靠谱。
端到端重放 ChatGPT Plus/Team/Pro 订阅协议的逆向工具集，自带从零实现的 hCaptcha 视觉求解器，用于反欺诈机制实证研究。
把视频按场景切分、去重抽帧并配上字幕文本，让 Claude 等大模型真正「看懂」视频内容，支持 URL 或本地文件，全程本地运行。
轻量级 LLM Agent 开发框架，提供工具调用、流程编排等基础组件，帮开发者快速搭建基于大模型的智能体应用。
把预训练句向量模型蒸馏成轻量静态词向量，推理速度极快、无需 GPU，适合大规模文本向量化和检索场景。
本地优先的求职智能工作台，自动抓取招聘岗位、按匹配度排序，并生成定制化的申请材料。
0.9B 参数的多语言长音频转写模型，能同时输出说话人分离、时间戳和声学事件标记，适合做会议记录和字幕生成。
端到端的 LLM 与 AI Agent 评测与可观测平台，集追踪、评测、模拟、数据集、网关和护栏于一体，支持自托管，帮团队定位幻觉并持续优化 Agent 应用。
能实时生成长视频的扩散模型，支持图生视频和交互式长上下文生成，解决长视频生成速度慢、画质难兼顾的问题。
MambaVision 是 CVPR 2025 提出的混合 Mamba-Transformer 视觉骨干网络，用 PyTorch 实现，可直接用于图像分类、目标检测和分割等视觉任务。
面向卫星和航拍影像的深度学习库与框架，基于 PyTorch 提供遥感场景下的分类、目标检测和语义分割训练与推理能力。
用 Python 在知识图谱上做表示学习，把实体和关系训练成向量，方便做链接预测和关系推理。
为 ComfyUI 提供抠图与分割节点，集成 RMBG、BiRefNet、SAM、YOLO、GroundingDINO 等模型，可去背景并分割物体、人脸、服装。