探索全部
共 2,037 个仓库 · Python
面向语音识别任务的基础模型，支持自监督预训练，可完成语音转写与情感识别，适合搭建俄语等多场景语音推理服务。
把 VGGT 扩展到公里级场景的官方实现，解决超长序列三维重建中显存和尺度爆炸的问题，能处理大规模空间数据。
面向多模态机器学习的数据平台，支持图像标注、数据筛选与清洗，帮助团队管理训练数据并提升数据质量。
高性能机器学习模型服务框架，支持动态批处理和 CPU/GPU 流水线，把单机算力充分利用起来，适合部署 CV、LLM 等模型。
面向流式和端侧场景优化的 Whisper 语音识别模型，支持 Apple Silicon、CoreML、MLX 和 NVIDIA GPU，可做实时转写与翻译。
自托管的开源 AI 网关，把 40 多家模型提供商统一到一个接口，并自带虚拟密钥、预算控制和用量统计，省去多平台对接与成本管理麻烦。
汇总各类开源 Web 富文本编辑器的资源清单，涵盖 Markdown、JSON、React、Vue 等编辑器，方便按技术栈快速选型。
用 2D 高斯建模做连续超分辨率，把像素映射成高斯表示，实现超快任意尺度放大，适合需要实时连续超分的场景。
精选 CVPR 2025 最具影响力的计算机视觉论文合集，每篇附论文、代码和演示，方便快速跟进检测、分割、多模态等方向的前沿工作。
在自己电脑上离线运行的语音对话大模型，集语音识别、大模型推理和语音合成于一体，无需联网即可与 AI 对话。
一份系统梳理大模型推理的学习笔记，涵盖 Transformer 结构、KV Cache、CUDA 与 Triton 算子编程，以及 vLLM 等框架的源码分析。
抓取系统音频和麦克风，用 Whisper/SenseVoice 做语音识别，再通过 LLM API 流式翻译并实时显示字幕，适合主播、VTuber 和看外语视频时用。
用高分辨率语义编码器把视觉理解与图像生成统一到一个模型里，既能读懂图片，也能做文生图和图像编辑。
统一的世界模型代码库，整合扩散模型、高斯泼溅、3D 场景生成与视频编辑等能力，方便研究和复现各类世界模型。
基于 PyTorch 的通用分割精修网络，通过全局与局部级联细化，把任意已有分割掩码提升到超高分辨率，无需针对特定类别重训。
本地离线运行的便携式 OCR 软件，用 DeepSeek-OCR-2 模型直接在你自己机器上识别图片和 PDF，适合不想把文档传到云端的场景。
把 Scrapy 爬虫包装成 HTTP API，让其他语言或服务能远程触发爬虫并实时拿到抓取结果，省去自己搭调度和传输层。
命令行恶意样本快速分诊分析工具，可自动识别压缩包、加密数据和编码内容并逐层解包解码，帮分析人员快速看清样本结构。
一个高效易用的深度学习模型压缩框架，支持剪枝、训练后量化和量化感知训练，能把 PyTorch 模型转换部署到端侧。
基于 Playwright 的 MCP 服务器，让 AI Agent 在反检测隐身 Firefox 上浏览网页，绕过反爬和验证码，适合自动化抓取与求职等场景。
开源的多图编辑扩散模型，支持同时处理多张输入图像进行编辑与生成，适合需要批量或组合式图像编辑的场景。
自托管的 RSS 阅读器兼个人知识管理工具，内置 MCP Server，可让 AI Agent 直接读取订阅内容并整理知识。
OpenCUA 提供构建电脑操作智能体（CUA）的开放基础，包含数据集、基础模型和评测基准，让 GUI 自动化智能体有可复现的训练与评估方案。
把本地代码库切块并生成向量索引，通过 MCP 服务让 LLM 和 Neovim 按语义检索相关代码，省去手动翻文件。