探索全部
共 1,808 个仓库 · 一年内有推送 · Python
在 Windows 上原生一键跑 Qwen3.6-27B 推理，无需 WSL 或 Docker，RTX 5090 上可达 158 tok/s，适合本地离线、注重隐私的部署。
自托管的 GitOps 控制平面，把 OpenTofu 的基础设施编排和 Ansible 的配置管理串成一条流水线，统一管理云上、本地和混合环境的部署。
用强化学习对扩散模型做后训练，支持文生图、文生视频和图生视频，主打高效、稳定、可扩展。
把 fal.ai 上 1400 多个图像、视频、音频和 LLM 模型接进 ComfyUI 的自定义节点，自带缓存和费用控制，方便在本地工作流里直接调用云端生成能力。
把视觉预训练扩展到 4K 分辨率，让视觉语言模型在高清图像上也能高效训练和推理。
一站式实时视觉训练与部署框架，覆盖目标检测、关键点估计、实例与语义分割，支持导出 TensorRT、ONNX、OpenVINO、CoreML 到边缘设备。
面向视觉 tokenizer 的球面量化方案，包含二值球面量化和 Leech 球面量化两种方法，用于压缩视觉 token 并提升表示效率。
Iris-3B 是一个 3B 参数的扩散 Transformer，直接在像素空间生成图像、无需 VAE；同一预训练先验微调后还能做单目深度估计和 4 倍图像修复。
纯 Python 实现的跨平台高性能 FFmpeg 实时视频帧解码器，为计算机视觉和视频处理提供低延迟的帧读取能力。
提供紧凑且高质量的俄语词向量，基于 GloVe 和 word2vec 训练并支持量化压缩，适合俄语 NLP 任务直接加载使用。
从零手写的 LLM 推理引擎，实现分页 KV 缓存、连续批处理、投机解码和 CUDA 图等优化，并提供 OpenAI 兼容服务接口。
用 Python 写的随机密码生成与本地管理小工具，带图形界面，帮你生成强密码并集中保存，省去记密码的麻烦。
命令行待办管理工具，用简单命令记录和整理任务，适合习惯在终端里工作的人。
面向鱼眼等通用相机的 3D 高斯泼溅渲染实现，让新视角合成在非针孔相机下既精确又高效，适用于自动驾驶与 AR 场景。
给 Linux 和 macOS 用的开源 AI 摄像头与麦克风增强工具，能实现背景虚化、自动取景、降噪、录制和本地会议转写，相当于把 NVIDIA Broadcast 那套效果搬到了非 Windows 平台。
为 ComfyUI 提供 MiniMax H3 文生图、参考图编辑和 Qwen 细节精修的节点与实测工作流，开箱即用。
ChronoMagic-Bench 是 NeurIPS 2024 提出的文本到延时视频生成评测基准，用变形评估衡量扩散模型生成延时视频的质量。
在官方 DocVQA 基准上让智能体自动迭代 Qwen3-VL 的训练代码，省去手工调参和实验设计，支持 NVIDIA 多卡与 Apple Silicon。
复现 DeepSeek-OCR 多模态文档识别模型，包含完整训练流程，可自行训练和部署用于文档解析与 RAG 场景的 OCR。
用能量参与比方法自动分析和设计量子微波芯片与器件，把超导量子电路的设计流程从手工仿真变成脚本化计算。
每天自动抓取 arXiv 上 NeRF 相关新论文并整理成列表，方便做三维重建和神经渲染的研究者跟进最新进展。
把普通文本渲染成逼真的手写体图片，支持手写字体、信纸背景和字距行距笔画随机扰动，提供 GUI 和 CLI 两种用法。
用 CSS Flexbox 布局语法在 Python 里生成图片，支持渐变、阴影和文字排版，适合批量出图或程序化设计。
基于 ReAct 推理-行动循环的 RAG 问答系统，支持多跳推理，用 Weaviate 检索、重排序和 FastAPI 服务搭建智能问答后端。