探索全部
共 1,808 个仓库 · 一年内有推送 · Python
给纯文本大模型补上视觉能力的工具箱，支持多图理解、长截图 OCR、前端 UI 还原和 GUI 自动化，可无缝接入 Claude Code、Codex 等主流 agent。
在 Blender 里直接导入、渲染和编辑 3D 高斯泼溅（3DGS/4DGS）模型的插件，省去格式转换，方便做动画和场景合成。
用配置驱动的 CI 流水线每天自动构建 Android 应用，省去手动打包和重复操作，适合学习自动化构建流程。
把 COCO、LabelMe、Labelbox、VoTT 等格式的 JSON 标注转成 YOLO 训练格式，适合做目标检测数据集迁移；官方已建议改用 Ultralytics 包里的 convert_coco()。
开源多模态训练框架，基于 Qwen3 等底座训练视觉语言模型，降低多模态模型训练门槛。
把 AI/ML 模型打包成可直接上线的推理服务，省去手写 Docker 和部署脚本的麻烦，一条命令就能跑起来。
基于知识图谱为 LLM 微调合成高质量问答数据，把结构化知识转成训练语料，缓解监督微调数据稀缺。
一个自动进化框架，用多智能体像 7×24 小时算法团队一样持续迭代优化任意目标，适合需要自动调优和自改进的场景。
腾讯混元开源的通用三维重建模型，能从单图或多视图快速还原三维场景，面向图像转 3D 与世界模型生成等任务。
面向 OpenVINO 推理的神经网络压缩框架，提供量化、剪枝和混合精度训练，把模型压小提速后再部署。
EAGLE-4 的官方推理代码，用投机解码加速大模型生成，可接入 SGLang、vLLM 等主流推理框架，显著提升 token 吞吐。
一个语音聊天应用，把语音识别、大模型对话和语音合成串成完整链路，跑在 Modal 无服务器平台上，适合快速搭建可对话的语音助手原型。
用多智能体自动审计源码、验证漏洞并生成 CVE 报告的安全平台，把人工代码审计流程交给 LLM Agent 跑通。
MeanFlow 与 iMF 的 PyTorch 实现，用一步生成建模替代多步扩散采样，让图像生成推理更快。
自动扫描图像数据集，找出重复、模糊、曝光异常等质量问题，帮你在训练前把数据清洗干净。
轻量级 Python RAG 工具包，用 DuckDB 或 PostgreSQL 就能搭起检索增强生成，省去部署向量数据库的麻烦。
从零重写的 OnlyFans 内容抓取下载工具，可批量下载订阅内容并保存到本地，适合需要归档素材的用户。
向量数据库性能与性价比基准测试工具，支持多种向量库的统一压测和结果对比，方便选型时横向评估。
开源的端到端视觉语言模型 GUI 智能体，能看懂屏幕截图并直接操作图形界面，帮你自动完成电脑上的点击、输入等交互任务。
用扫描仪或手机拍照快速、准确地批改 OMR 答题卡，自动识别选择题填涂并评分，适合考试阅卷场景。
Python 的 iCalendar 解析库，按 RFC5545 读写 .ics 文件，处理事件、待办、日志和提醒，适合做日历同步或日程管理。
离线运行的俄语语音助手，通过插件机制扩展技能，适合在无网络环境下做语音交互和自定义语音指令开发。
用 USB-C 把 iPhone 接到 Mac 上，让手机参与跑 27B 大模型，加快提示词读取并扩展上下文，适合本地推理场景。
用提示（如稀疏深度点或相机位姿）引导单目深度估计，输出高精度、尺度一致的深度图，用于三维重建和机器人抓取。