探索全部
共 1,808 个仓库 · 一年内有推送 · Python
基于 Python 的桌面语音助手，把语音识别和语音合成串起来，让你用说话的方式执行系统级命令、异步处理交互。
统一多模态模型的强化学习训练框架，打通 SGLang、vLLM 推理后端，方便把多模态大模型跑通 RL 训练流程。
一条命令就能把 Reddit 的帖子、评论和用户数据批量抓取下来，导出成 CSV 或 JSON，方便做数据分析和存档。
基于 YOLO 系列模型和 TensorRT 加速的 FPS 游戏自动瞄准工具，用 GPU 实时检测画面中的目标并驱动准星移动。
用 Python 快速搭建复杂视频分析应用的多进程框架，把检测、跟踪等环节串成流水线，解决视频流处理中并行调度和模块编排的问题。
把 Kaldi 语音识别工具包封装成 Python 接口，让你能在 Python 里直接调用 Kaldi 的特征提取、声学模型和语言模型，省去写 C++ 胶水代码的麻烦。
用卫星影像合成可沉浸漫游的 3D 城市场景，结合 3DGS 与扩散模型补全视角，解决大范围城市三维重建数据不足的问题。
基于 FalkorDB 图数据库构建 GraphRAG 应用的 Python SDK，把知识图谱和向量检索结合起来，让大模型问答更准确、可规模化。
企业级 AI 资源纳管平台，用统一网关接入 OpenAI、Claude、DeepSeek 等主流模型，做 Token 调度、成本归因和安全审计，帮企业管住 AI 开销、算清 ROI。
Windows 上的笔记导出与迁移工具，适配七个平台、支持四种导出格式，还能离线阅读，并明确标注验证范围和失败状态，方便把笔记从旧平台搬走。
把自回归扩散模型蒸馏成少步采样，实现高质量实时交互式视频生成，解决扩散模型推理慢、难以实时出片的问题。
基于预训练流模型实现免反演文本编辑，无需先反演再重建，直接按文字指令修改图像，简化流程并提升编辑效果。
基于 TensorFlow 2 的端到端语音识别框架，支持 Conformer、ContextNet、DeepSpeech2 等模型，可做字符或子词级多语言识别与流式推理。
轻量极速的重排序库，为搜索和 RAG 检索管线提供基于 LLM 与 cross-encoder 的 listwise/pairwise 精排，几乎不增加延迟。
让大模型直接操控 Mac 的最薄封装层，通过辅助功能接口和 CDP 把桌面操作交给 Agent，省去复杂中间层。
Linux 上的离线语音听写工具，基于 whisper.cpp、Whisper 和 VOSK 引擎，支持 GPU 加速，在 X11 和 Wayland 下都能把说的话直接输入到任意应用。
终端里的开源编码智能体，能读懂仓库、规划多步改动、写改文件、跑命令和测试，并循环迭代直到任务完成。
MIT 协议的开源计算机视觉库，支持目标检测、实例分割和姿态估计，兼容 ONNX 与 PyTorch，方便在边缘设备上训练和部署模型。
自托管的浏览器多开管理面板，为每个账号创建独立指纹的隔离浏览器环境，可一键启动并配合 Playwright 做自动化，是 Multilogin 的免费替代。
基于 OpenAI Whisper 的实时语音转写框架，接收连续音频流分块并即时输出增量转写结果，不用等整段音频上传完再处理。
DoRA 是一种把权重分解为幅度和方向两部分再做低秩适配的微调方法，用更少的可训练参数逼近全量微调效果，适合大模型和视觉语言模型的高效微调。
用游戏当测试场来评估 LLM/VLM 智能体的框架，提供可复现的游戏环境和评测流程，方便对比不同模型在交互决策上的表现。
无需登录或 API Key 就能抓取 X/Twitter 的推文、回复、时间线和长文，给 AI Agent 和自动化流程提供数据来源。
把 ONNX 模型一键转成 TFLite、TensorFlow、PyTorch 原生代码或 TorchScript，省去跨框架部署时手写转换脚本的麻烦。