Python
2,038 个项目 · 全站第 1 / 91算法与数据侧的默认语言：生态最全，训练、推理脚本、数据处理都绕不开它。
主要方向推荐一个 Python 项目
按一级分类统计；另有 4 个项目尚未分类全部项目 2038
按 star 排序 · 第 22 / 43 页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。
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。
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。
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。
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。
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。
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。
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。