探索全部
共 2,037 个仓库 · Python
用 Python 搭建 WhatsApp 智能体 Ava 的实战课程，串联语音转写、语音合成和向量数据库，带你跑通一个能对话的 Agent 完整流程。
基于 OpenAI Whisper 及其变体的字幕生成工具，提供网页界面、命令行和 Python 包三种用法，可自动为音视频生成字幕。
开源的多模态大扩散语言模型，用块扩散、混合思维链和统一强化学习，把多模态理解与生成放进同一个模型里做。
用结构化数据和链式调用语法在代码里快速搭建 GenAI 应用与智能体，并用事件驱动流程编排复杂逻辑，切换模型无需改代码。
无需 API Key 的 X/Twitter 数据采集库，支持抓取推文、用户资料、粉丝和关注列表，内置多账号池、代理和异步。
基于 PyTorch 的端到端神经压缩研究库与评测平台，提供预训练模型、常用网络结构和指标，方便复现和对比学习类图像压缩算法。
用自然语言加无限画布编排 AI 视频创作流程，把剧本拆解、分镜、素材生成到合成串成可编辑的工作流，支持自托管。
在 Apple Silicon 上跑大模型的高性能推理服务，兼容 OpenAI 和 Anthropic 接口，支持 MLX 原生加速、连续批处理、多模态和 MCP 工具调用。
DEIM 是一个面向实时目标检测的 DETR 改进方案，通过优化一对一匹配策略加速模型收敛，让 DETR 系列检测器训练更快、精度更高。
BiSeNet 语义分割网络的 PyTorch 实现，支持 Cityscapes、ADE20K、COCO-Stuff 数据集，并提供 ncnn、OpenVINO、TensorRT、Triton 等推理部署方案。
基于 PyTorch 的知识蒸馏框架，无需写代码即可复现和对比 28 种顶会蒸馏方法，附带训练模型、日志和配置，方便做可复现的深度学习研究。
Soprano 是一个超写实、低延迟的文本转语音引擎，能把文字快速合成接近真人音色的语音，适合需要即时发声的场景。
一个能自我创建、持续在后台运行的通用 AI 智能体，可自主完成编码、操作桌面等任务，适合需要长期自主执行能力的场景。
基于扩散模型生成逼真说话人像视频，通过连贯运动合成让口型与头部动作自然同步，适合做数字人播报和虚拟主播。
面向机器人位姿与流形优化的可微分编程库，把李群、位姿估计和卡尔曼滤波等模块接入 PyTorch，方便在深度学习里做几何优化与状态估计。
基于安全强化学习的人类反馈对齐框架，通过约束优化让大模型在有用性和安全性之间取得平衡，附带 Beaver 系列模型与数据集。
给个性化 AI 智能体提供长期记忆管理的操作系统层，把对话历史、用户偏好等记忆统一存储与检索，解决智能体跨会话记不住上下文的问题。
用大模型、计算机视觉和语音识别自动分析视频内容，把画面、语音转成结构化信息，省去人工逐帧观看和整理。
在树莓派等边缘设备上跑深度学习推理的网关，把模型部署到 IoT 终端并通过 MQTT 上报结果，省去云端往返。
飞桨生态下的模型压缩与架构搜索库，提供剪枝、量化、蒸馏和 NAS 等能力，帮你在部署前把深度模型压小提速。
基于 Transformer 的多模态传感器融合端到端自动驾驶模型，用模仿学习把摄像头和激光雷达数据联合建模，直接输出驾驶控制。
用 hosts、Pi-hole、AdGuard 等 DNS 拦截方案彻底屏蔽 Google 及其各项服务，适合想摆脱谷歌追踪、保护隐私的人。
面向 LLM 的文档智能库，用 ORM 风格接口编排文档解析、OCR 与信息抽取流程，让复杂文档工作流更灵活可控。
收集构建 AI 网页智能体所需的工具、框架和资源清单，帮开发者快速找到浏览器自动化与 LLM 驱动的 Agent 方案。