探索全部
共 2,038 个仓库 · Python
面向日文漫画的 OCR 工具，能识别漫画中的对话气泡和拟声词等文字，基于 Transformers 实现，适合做漫画翻译或文本提取。
用约 5000 行 TypeScript/Python 从零复现 Claude Code 核心架构，分 11 章教程带你吃透 coding agent 的实现精髓。
把 YouTube 频道和播放列表自动同步到本地媒体服务器，方便在 Plex 等平台上离线观看和统一管理。
用基础模型自动给图片打标签，再拿这些标注训练自己的监督视觉模型，省掉人工标注的环节。
用 Python 写的 Flutter 应用逆向框架，能绕过 SSL Pinning，方便做移动端安全测试和漏洞赏金挖掘。
MOSS-Image 是一个 50 亿参数的 DiT 基础模型，主打高质量文字渲染、布局生成和高效微调，适合需要精准控制文字与版式的文生图场景。
截图后直接识别图中文字并复制到剪贴板，省去手动输入，支持多平台，适合从图片、PDF 或界面中快速提取文本。
模块化、不绑定技术栈的 AI 编码代理工具包，让代理自动发现、复现并修复代码与硬件安全漏洞。
命令行工具，用来下载 Apple Music 的歌曲、音乐视频和动态视频，支持 AAC、M4A、M4V 等格式，最高可下 4K 画质。
面向已训练神经网络模型的量化与压缩库，提供剪枝、量化等高级技术，帮助在部署前压缩模型体积、降低推理开销。
支持抖音、TikTok、B站、微博、Twitter 等多平台的高速下载器，用 Python 写成，适合批量抓取视频和图文内容。
面向 PyTorch、TensorFlow 和 ONNX Runtime 的模型压缩工具，支持 INT8/FP8/INT4 等低比特量化和稀疏化，帮大模型在低精度下保持精度并降低显存与推理成本。
T-Rex2 是 ECCV2024 开源的通用目标检测模型，结合文本提示与视觉提示，实现开放场景下的目标检测和计数。
在保留原始版面、公式和结构的前提下翻译 PDF，适合科研论文和技术文档，避免译文打乱排版。
基于 PyTorch 的点云深度学习训练框架，集成 PointNet、KPConv、MinkowskiEngine 等主流模型，方便在 S3DIS、ScanNet 上做分割等任务。
离线多智能体模拟与预测引擎，用 Neo4j 图数据库加 Ollama 本地模型跑群体智能推演，全程不联网也能做预测实验。
一站式微调多模态模型的工具，支持 PaliGemma 2、Florence-2、Qwen2.5-VL 等，覆盖图像描述、目标检测和视觉问答任务，省去手写训练脚本的麻烦。
把原始资料整理成带引用、可校验的 Karpathy 风格 LLM 知识库，兼容 Claude Code、Cursor 和 Codex 的 Agent Skills。
UNet++ 的官方实现，通过嵌套密集跳跃连接缩小编码器与解码器之间的语义鸿沟，提升医学图像分割精度，提供 Keras 和 PyTorch 版本。
在 Mac 上跑 Qwen 3.8 等大模型的原生推理引擎，靠 MTP 投机解码把速度拉到 125 tok/s，16GB 内存也能跑 27B 模型，并提供 OpenAI/Anthropic 兼容的本地服务。
基于 FLUX 扩散 Transformer 的身份保持图像生成工具，上传几张人脸照片就能在换场景、换风格时保持长相一致，适合做个性化写真和照片重绘。
用置信度感知的姿态引导，从单张参考图生成高质量人体动作视频，解决动作视频生成中姿态不准、画面抖动的问题。
轻量级 Android 反编译器，专为 Agent 和移动安全研究场景设计，能快速把 DEX 还原成 Java 代码，适合批量逆向分析。
xTuring 提供从数据预处理到微调的完整流程，让开发者用 LoRA、Adapter 等轻量方法快速个性化开源大模型，降低训练门槛和显存开销。