Python

面向医学影像的智能标注与主动学习工具，在 3D Slicer 等客户端里边标注边训练模型，减少人工勾画工作量。

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。

lightly-studio

lightly-ai·Python

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。

awesome-web-editor

liuzi6612·Python

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。

top-cvpr-2025-papers

SkalskiP·Python

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。

UniWorld

PKU-YuanGroup·Python

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。

otari

mozilla-ai·Python

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。

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。

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。

local_ai_ocr

th1nhhdk·Python

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。

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。

UniPic

SkyworkAI·Python

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。

VectorCode

Davidyz·Python

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。

开放的国际制裁名单、关注人物和政治敏感人物数据库，供尽职调查、调查报道和反洗钱核查使用。

LLM-Finetuning-Toolkit

georgian-io·Python

开源大模型微调工具箱，支持 LoRA 等参数高效微调，还能做消融实验和单元测试，方便快速验证 Llama2、Mistral、Falcon 等模型在分类任务上的效果。

PPASR

yeyupiaoling·Python

基于 PaddlePaddle 的端到端中文语音识别项目，提供 DeepSpeech2、Conformer、Squeezeformer 等主流模型，既有入门案例也有企业级实战方案。

Open-DiffusionGS

caiyuanhao1998·Python

把 3D 高斯泼溅烘焙进扩散去噪器，单阶段从单张图快速生成和重建可扩展的 3D 场景与网格，免去多阶段流程。

基于 Python 的视频分析与计算机视觉框架，内置 NVIDIA DeepStream 和 CUDA 支持，可在边缘设备上快速搭建目标检测、实例分割等推理流水线。

把任意网站抓取打包成 ZIM 离线文件，配合 Kiwix 就能在无网络环境下浏览完整站点。

ConsisID

PKU-YuanGroup·Python

基于扩散模型的身份保持文本到视频生成方案，通过频域分解在生成视频中稳定保持人物面部身份，适合做可控人物视频生成。

FastestDet

dog-qiuqiu·Python

超轻量无锚框目标检测算法，权重仅 250K 参数，比 yolo-fastest 快 10%，后处理更简单，适合边缘设备部署。

在浏览器里跑安卓模拟器，为移动 GUI 智能体提供可验证、高并发的评测与在线强化学习训练环境。

给 Django 项目加一套多用户、多分组的待办与工单系统，支持 CSV 导入和邮件跟踪，省去自己搭任务管理模块的功夫。

DIPY 是 Python 的 3D/4D 医学影像处理库，覆盖扩散、灌注与结构成像，提供配准、去噪、机器学习和可视化等通用方法。

halo

whitecircle·Python

Halo 是 White Circle 开源的大模型与多模态模型训练框架，支持分布式训练、LoRA 微调、MoE 和异步强化学习，方便搭建和扩展训练流程。

Open-GroundingDino

longzw1997·Python

Grounding DINO 的第三方复现实现，把 DINO 检测器与图文预训练结合，支持用自然语言描述做开放世界目标检测。

一份轻量规则文件，帮你在 Cursor、Windsurf 等 AI 编码工具里用更少的调用次数完成更多任务，节省每月额度。

Matrix-3D

SkyworkAI·Python

从单张图片或一句文本提示生成大范围可漫游的 3D 场景，先产出高质量全景视频再重建三维空间，适合做可探索虚拟场景。

把 Markdown 笔记丢进去，本地 Ollama 模型自动抽取概念并生成双向链接，让 Obsidian 知识库自己长起来，全程不联网、笔记不外传。

基于 PyTorch 的成像逆问题求解库，把去噪、去模糊、MRI 重建等任务统一到深度学习框架下，内置扩散模型和即插即用先验。

Kandinsky 5.0 是一套文生视频与文生图的扩散模型家族，支持视频和图像生成，并带有蒸馏加速能力。

BambooAI

pgalko·Python

一个可审计的 AI 数据分析工作台，能查看结果背后的代码和证据、回放验证计算过程，并支持本地开源模型等多种模型选择。

对 ONNX 模型做图级优化的 Python 工具，通过算子融合、常量折叠等变换精简计算图，让推理更快、模型更小。

面向循证医学信息检索的图谱 RAG 系统，把医学知识组织成图结构再结合大模型检索，让回答有据可查、可溯源。

用超网络直接生成 LoRA 权重，让大模型把事实性知识记进参数里，不用微调也能更新模型记忆。

用 Python 实现的 CTC 解码算法集合，包含最优路径、束搜索、词典搜索、前缀搜索和 token passing，用于语音识别和手写识别等序列模型的推理解码。