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 23 / 43 页
基于 Llama 架构的概率式时间序列基础模型，用滞后特征做零样本预测，免去为每条序列单独训练模型。
把任意 LLM 改造成 Jev 风格决策模型，输出带类型的决策和真实概率，无需训练即可使用，适合需要可靠置信度的决策场景。
批量下载 datanodes.to 和 fuckingfast.co 网盘文件的工具，通过 CDP 驱动真实 Chrome 或纯 HTTP 模拟 Chrome TLS 指纹绕过反爬，支持流式下载、WebView2 界面和无头 CLI。
把 MiniMax 的语音合成、文生图、文生视频等生成能力封装成 MCP 服务，让 Claude 等支持 MCP 的客户端直接调用。
基于 PyTorch 的神经网络量化库，支持训练后量化和量化感知训练，方便把模型部署到 FPGA 等硬件上做加速。
Infinity 是一个用位级自回归建模做高分辨率图像生成的模型，把 GPT 式架构扩展到视觉生成，解决高分辨率文生图的质量和扩展性问题。
把 PDF、图片、Word、PPT 或网页里的内容抽成 Markdown、JSON、CSV、HTML，自带 OCR 和结构化字段提取，省去自己拼解析流程。
基于流匹配的语音合成模型，通过表情符号控制说话风格，支持声音克隆，让 TTS 输出带情绪和语气变化。
一套面向 RPA 的开源 Python 库和工具集，兼容 Robot Framework，集成 OCR、文档解析和 NLP 能力，用来搭建业务流程自动化脚本。
面向 Keras 和 TensorFlow 的模型压缩工具包，通过量化和剪枝把训练好的模型压小、跑得更快，方便部署到移动端和边缘设备。
面向机器学习工程与研究的智能体，能对接 arXiv 和 Papers with Code 检索论文，生成代码与研究方案，并支持 OpenAI、Anthropic、Gemini、Ollama 等模型。
MIMO 是一个可控角色视频合成模型，通过空间分解建模把人物和场景拆开处理，让用户能对角色动作和画面进行精细控制。
一套 PyTorch 扩展工具集，提供数据增强、损失函数、训练流水线等常用组件，帮你在做图像分割、检测和分类的原型研发与 Kaggle 比赛时少写重复代码。
用自然语言驱动视频处理与编辑的 AI Agent 框架，把搜索、RAG、文生视频等能力串成可编排的工作流。
把微软 VibeVoice 语音合成模型接入 ComfyUI 的节点插件，支持单人和多人对话式语音生成，可直接在工作流里出高质量配音。
用 Python 写的命令行工具，能一键备份 Linux 桌面配置（dotfiles），并在多套配置间快速切换，在 KDE Plasma 上开箱即用。
一套 Hyprland 桌面配置，按 Material You 风格自动生成配色，带流畅动画和可定制外观，适合在 Arch Linux 上快速搭出好看的 Wayland 桌面。
给大语言模型搭建多智能体语言博弈环境，让 AI 在对话游戏里练习沟通与协作能力，方便研究和评测多智能体交互。
基于 Retinex 理论的一阶段 Transformer 低光照图像增强模型，ICCV 2023 高被引工作，可直接用于夜间图像提亮与下游检测任务。
基于 Qt 的跨平台电子书阅读器，支持 EPUB、MOBI、DJVU 和漫画格式，统一管理并阅读本地电子书与漫画。
用 Python 实现的图像信号处理器（ISP），把传感器原始数据加工成可用的图像，适合做相机成像流程的算法验证与二次开发。
自托管的多智能体编排平台，支持构建、部署和自动化业务流程，可追踪每次执行并保留人工审批环节。
专注于中国大陆视频网站的视频下载器，支持从主流站点抓取并保存视频，适合需要批量下载国内视频资源的场景。
Ovis 是一种多模态大语言模型架构，通过结构对齐视觉与文本嵌入，让模型能同时理解图像和文字，适合做视觉问答、图文对话等任务。
面向智能体时代的开源文档智能平台，把非结构化文档接入 ETL 流水线和向量库，方便构建文档检索与 LLM 智能体应用。
一份摄影测量入门与资源指南，梳理从无人机航拍、激光雷达到多视图立体的三维重建流程，覆盖测绘、建筑、农业、机器人和考古等应用场景。
Phantom 是一个文本到视频生成模型，通过跨模态对齐保持主体一致性，让生成视频中的角色或物体在不同镜头间保持统一外观。
用 Python 和 TypeScript 统一调用各家大模型，把提示词、工具调用和结构化输出封装成轻量模块，避免被重型框架绑死。
.png){kind=small}
用视觉语言模型从 PDF、Word、PPT 和扫描件等难搞文档里提取干净结构化数据，省去手工清洗的麻烦。
给图像和视频的指定区域生成详细描述的多模态模型，支持局部定位的细粒度 captioning，适合需要精确区域理解与描述的场景。
每天自动抓取 arXiv 上计算机视觉方向的新论文并整理更新，省去手动刷 arXiv 的麻烦，适合跟踪 3D 重建、图像匹配、NeRF 等方向的最新进展。
一个注重隐私的 Python HTTP 客户端，能模拟浏览器 TLS/HTTP2 指纹（JA3/JA4、Akamai），帮爬虫绕过反爬检测。
把大语言模型和适配时空视频表示的视觉编码器结合，让模型能围绕视频内容展开有意义的对话，并提供视频对话模型的量化评测基准。
Prism 是腾讯混元提出的动态稀疏注意力框架，让视频-音频联合生成模型能原生训练到 2K 分辨率，解决高分辨率多模态生成算力吃紧的问题。
给纯 ViT 主干加上轻量适配器，无需重设计结构就能做目标检测和语义分割等密集预测任务，ICLR 2023 Spotlight 工作。
基于 AgenticX 的多智能体金融情报平台，实时分析财经新闻、融合情绪信号并挖掘 alpha 因子，帮量化研究者从资讯里找交易线索。
OpenMMLab 生态的深度学习训练基础库，统一封装训练循环、配置系统和分布式训练等底层能力，让算法开发者专注模型本身而不用重复搭建训练脚手架。
自托管 Chatterbox 语音合成模型的服务端，带 Web 界面和 OpenAI 兼容 API，支持预置音色、声音克隆和长篇有声书文本处理，可在 NVIDIA、AMD 和 CPU 上加速运行。
一站式通用 OCR 开源工具箱，集训练评测基准、商用级文字识别与文档解析系统于一体，并复现多篇学术论文的核心实现。
用 Python 对多目标跟踪器做基准评测，计算 CLEAR MOT 等标准指标，方便横向对比不同跟踪算法的效果。
面向扩散模型和全模态模型的多模态强化学习训练框架，支持 GRPO、流匹配和 vLLM 推理，用来做图像生成与多模态模型的 RLHF 训练。
多后端 Whisper 语音转文字工具，支持本地文件或 URL 输入，在 Mac ARM 上做了速度优化，安装简单且完全离线私有。
面向各类 Stable Diffusion 模型的高质量免训练图像修复方案，可作为 ComfyUI 自定义节点直接接入工作流，无需额外训练即可完成局部重绘。
用 YOLOv5 + DeepSORT 做车辆和行人的多目标追踪与计数，封装成 Detector 类，方便直接嵌进自己的项目里。
可控语音转写工具，能逐字保留停顿、口吃和语气词，也能输出流畅可读版本，并提供词级时间戳。
基于 Chrome DevTools 协议的异步网页抓取与自动化框架，能绕过 Cloudflare 等反爬检测，适合需要隐蔽采集的场景。
一套给 AI 编程代理用的技能包和 AGENTS.md 工作流模板，让 Claude Code、Cursor、Codex 按「隔离开发、服务层构建、证据验证、前后对比交付」的流程干活。
用 Python 库搭建的语音个人助手，能通过语音指令发邮件、识别文字、播报新闻天气、搜索维基百科和地图、下载 YouTube 视频等。