探索全部
共 2,038 个仓库 · Python
开源手机智能体模型与框架，让 AI 直接操作手机界面完成点按、输入等任务，把「AI 手机」能力开放给所有人。
把某人的思维方式蒸馏成可复用的 Skill，供任意 Agent 或 Bot 直接加载使用，解决智能体难以复刻特定人物或同事行为模式的问题。
配套 B 站视频教程的深度学习图像处理实战代码库，用 PyTorch 和 TensorFlow2 覆盖图像分类、目标检测与分割的完整训练流程。
功能完整的电子书管理工具，能整理书库、转换 EPUB、MOBI 等格式，并支持编辑元数据和推送到 Kindle 阅读。
开源身份认证平台，把 OAuth2、OIDC、SAML 和反向代理认证统一到一套系统里，帮团队给自建应用和 K8s 服务快速接上单点登录和权限控制。
自动采集、校验并测速 IPTV 直播源，生成可直接播放的 M3U/TXT/API 结果，支持自定义频道、IPv4/IPv6 与 Docker、Actions 多端部署。
用自然语言描述就能生成 STEP、STL 等 CAD 模型文件，把文字直接变成可加工的三维零件设计，适合机械工程和机器人领域的快速原型。
开源的 RAG 文档问答工具，上传文档后即可用大模型对话检索，快速搭建私有知识库问答。
把大语言模型和 Hugging Face 上的各类模型连起来，让 LLM 自动挑选、调用合适的模型完成多模态任务，相当于给模型加了个调度中枢。
用 PyTorch 实现的 Vision Transformer（ViT），只需一个 Transformer 编码器就能在图像分类任务上达到 SOTA，代码简洁易读，适合快速复现和二次开发。
用 Python 一行命令就能抠掉图片背景，基于预训练模型自动识别主体，省去手动抠图的麻烦。
PyTorch 版 CycleGAN 与 pix2pix 实现，提供图像到图像翻译的完整训练与测试流程，支持无配对和有配对数据转换。
快速且省显存的精确注意力实现，支持训练和推理，能显著加速 Transformer 长序列计算。
基于 Whisper 的语音识别工具，能给出词级时间戳并支持说话人分离，适合做字幕对齐和会议转写。
安装前扫描 Claude Code、Codex 和 MCP 技能的安全工具，能发现漏洞、恶意模式、提示注入、数据外泄和供应链风险。
开源的多模态视觉指令微调模型，让 LLaMA 类大模型能看图对话，效果对标 GPT-4V，适合做图文问答和视觉助手。
工业级零样本语音合成系统，只需几秒参考音频就能克隆音色并跨语种合成，兼顾可控性与推理效率。
Model Context Protocol 官方 Python SDK，用来快速搭建 MCP 服务端和客户端，让大模型应用以统一协议接入外部工具与数据源。
一站式多模态 RAG 框架，把文本、图像等不同模态的检索与生成统一到同一套流程里，省去自己拼接多个组件的麻烦。
3D Gaussian Splatting 的官方参考实现，用高斯点云做辐射场重建，实现实时可交互的逼真场景渲染。
多语言大语音生成模型，覆盖推理、训练到部署全流程，支持中英日粤语及跨语种合成，适合做语音克隆和对话机器人。
面向大模型后训练的强化学习框架，用混合编程模型把 RLHF 训练流程编排得灵活又高效，方便扩展和跑大规模实验。
用 Python 编排数据管道的工作流框架，带重试、调度和可观测性，让数据与 ML 流水线在生产环境稳定跑起来。
基于 PyTorch 的图神经网络库，提供图卷积等 GNN 模型的构建与训练组件，省去自己实现图数据结构和消息传递的麻烦。