探索全部
共 1,808 个仓库 · 一年内有推送 · Python
基于扩散模型生成逼真说话人像视频，通过连贯运动合成让口型与头部动作自然同步，适合做数字人播报和虚拟主播。
面向机器人位姿与流形优化的可微分编程库，把李群、位姿估计和卡尔曼滤波等模块接入 PyTorch，方便在深度学习里做几何优化与状态估计。
基于安全强化学习的人类反馈对齐框架，通过约束优化让大模型在有用性和安全性之间取得平衡，附带 Beaver 系列模型与数据集。
给个性化 AI 智能体提供长期记忆管理的操作系统层，把对话历史、用户偏好等记忆统一存储与检索，解决智能体跨会话记不住上下文的问题。
用大模型、计算机视觉和语音识别自动分析视频内容，把画面、语音转成结构化信息，省去人工逐帧观看和整理。
在树莓派等边缘设备上跑深度学习推理的网关，把模型部署到 IoT 终端并通过 MQTT 上报结果，省去云端往返。
飞桨生态下的模型压缩与架构搜索库，提供剪枝、量化、蒸馏和 NAS 等能力，帮你在部署前把深度模型压小提速。
基于 Transformer 的多模态传感器融合端到端自动驾驶模型，用模仿学习把摄像头和激光雷达数据联合建模，直接输出驾驶控制。
用 hosts、Pi-hole、AdGuard 等 DNS 拦截方案彻底屏蔽 Google 及其各项服务，适合想摆脱谷歌追踪、保护隐私的人。
面向 LLM 的文档智能库，用 ORM 风格接口编排文档解析、OCR 与信息抽取流程，让复杂文档工作流更灵活可控。
收集构建 AI 网页智能体所需的工具、框架和资源清单，帮开发者快速找到浏览器自动化与 LLM 驱动的 Agent 方案。
把任意 LLM 改造成 Jev 风格决策模型，输出带类型的决策和真实概率，无需训练即可使用，适合需要可靠置信度的决策场景。
批量下载 datanodes.to 和 fuckingfast.co 网盘文件的工具，通过 CDP 驱动真实 Chrome 或纯 HTTP 模拟 Chrome TLS 指纹绕过反爬，支持流式下载、WebView2 界面和无头 CLI。
把 MiniMax 的语音合成、文生图、文生视频等生成能力封装成 MCP 服务，让 Claude 等支持 MCP 的客户端直接调用。
基于 PyTorch 的神经网络量化库，支持训练后量化和量化感知训练，方便把模型部署到 FPGA 等硬件上做加速。
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。
Infinity 是一个用位级自回归建模做高分辨率图像生成的模型，把 GPT 式架构扩展到视觉生成，解决高分辨率文生图的质量和扩展性问题。
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。
面向机器学习工程与研究的智能体，能对接 arXiv 和 Papers with Code 检索论文，生成代码与研究方案，并支持 OpenAI、Anthropic、Gemini、Ollama 等模型。
用自然语言驱动视频处理与编辑的 AI Agent 框架，把搜索、RAG、文生视频等能力串成可编排的工作流。
把微软 VibeVoice 语音合成模型接入 ComfyUI 的节点插件，支持单人和多人对话式语音生成，可直接在工作流里出高质量配音。
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 写的命令行工具，能一键备份 Linux 桌面配置（dotfiles），并在多套配置间快速切换，在 KDE Plasma 上开箱即用。