探索全部
共 2,038 个仓库 · Python
用字幕文件自动翻译视频文本，再通过 AI 语音合成生成配音音轨，并按字幕时间轴对齐口型，省去手动配音和打轴的麻烦。
Toolbox of models, callbacks, and datasets for AI/ML researchers.
面向 Tenstorrent 加速卡的 TT-NN 算子库和 TT-Metalium 底层内核编程模型，让大模型和图像生成模型能在非 GPU 硬件上高效推理。
一门免费实战课程，教你在构建、测试、部署和审计软件时规范使用 AI 开发工具与编码智能体，同时保持工程纪律。
自托管的 LLM 路由网关，兼容 OpenAI 接口，支持自带密钥和多模型流式转发，帮你在本地统一接入各家大模型 API。
面向交互式超级智能系统的高性能推理服务运行时，支持语音识别、音频与音乐生成等多模态模型，并提供 OpenAI 兼容 API。
基于 Chrome CDP 复用真实登录态抓取 BOSS 直聘职位数据，能绕过字体反爬，直接输出明文薪资的 JSON/CSV 并做薪资技能分析。
一个仅 100 万参数的轻量 OCR 模型，在 CPU 上就能跑，速度比 tesseract 快 15 倍，精度接近十亿参数级大模型，适合文档解析和 RAG 场景。
一站式视觉模型训练工具，支持 YOLO、ViT、RT-DETR、DINOv3 等模型的预训练、微调与知识蒸馏，省去自己搭训练流程的麻烦。
用 Transformer 从单目视频里重建并跟踪三维人体，输出带 SMPL 参数的动作序列，适合做人体建模和动作分析。
可扩展的代码审查平台，支持从个人项目到大型公司的评审流程，帮助团队在提交合并前发现代码问题。
一套 0.8B 到 27B 的开源决策模型，一次前向就能为每个选项给出校准概率，只在不确定时才输出简短思考；配套 vLLM、llama.cpp 和 MLX 推理引擎。
基于 Modest 和 Lexbor 引擎的 Python HTML5 解析库，解析速度快，支持 CSS 选择器，适合网页抓取时高效提取页面数据。
在 Streamlit 应用里直接接入 WebRTC，实现摄像头视频和麦克风的实时采集与处理，不用自己搭信令服务器。
YOLOv13 的官方实现，用超图增强的自适应视觉感知提升实时目标检测精度，适合需要落地部署检测模型的场景。
用深度卷积网络自动提升照片画质，提供预训练模型和训练代码，可把手机照片修出单反质感。
ImageReward 是 NeurIPS 2023 提出的文本生图人类偏好奖励模型，用人类偏好数据训练打分器，评估生成图像质量并支持 RLHF 微调扩散模型。
Kubernetes 上的自动机器学习平台，支持超参数调优和神经网络架构搜索，可对接 PyTorch、JAX 等训练框架。项目已弃用，官方建议迁移到 OptimizationJob 和 Kubeflow Trainer。
开源 MLOps 平台，把数据、模型训练、流水线和在线服务串成一条自动化链路，方便在 K8s 和 CI/CD 环境里持续交付机器学习应用。
用 PyTorch 复现 DeepMind AlphaFold 3 的蛋白质结构预测模型，包含注意力机制与去噪扩散模块，方便研究和二次开发。
Intel 开源的模型量化工具，用训练后量化的低成本达到量化感知训练级别的精度，支持 int4、GGUF、MXFP4 等格式，可直接对接 vLLM、SGLang 推理。
面向日语文档的 AI 图像解析 Python 包，可完成版面分析和 OCR，把扫描件或照片里的日文内容结构化提取出来。
Neovim 的树形文件管理器，用 Python 编写，支持图标和配色，可替代 NERDTree 更流畅地浏览和操作项目文件。
用 Python 写的 Telegram 监控机器人，能批量监听群组和频道消息，适合做舆情追踪或加密货币相关情报收集。