Python

sotopia

sotopia-lab·Python

一个开放式社交学习环境，让 LLM 智能体在社交场景中互动，用于评估和训练其社交智能与协作能力。

多智能体 SLAM 系统，用高斯泼溅实现多机器人协同建图并保持全局一致，适合大规模场景的三维重建研究。

基于微调大语言模型的知识库问答框架，先生成逻辑形式再检索，提升复杂问题在知识图谱上的 SPARQL 查询准确率。

开源 AI Agent 编排平台，用 DAG 把多个智能体、MCP 工具和任意 LLM（本地、云端或 CLI）串起来，让 Agent 真正能干活。

开源语音识别模型 Phonon-2 和 Phonon-1，提供命令行工具以及 CPU、CUDA 镜像，支持低比特量化和 MLX 加速，方便本地部署语音转文字。

基于神经辐射场（NeRF）的果实计数框架，能从多视角图像重建三维场景并自动统计果实数量，用于智慧农业和精准种植。

X-AnyLabeling-Server

CVHub520·Python

为 X-AnyLabeling 标注工具提供轻量可扩展的模型推理服务，把检测、分割、分类、姿态等视觉模型接成后端，方便标注时自动预标注。

用辐射高斯泼溅做 X 射线新视角合成，只需少量稀疏视角就能快速重建 CT 三维结构，比 NeRF 类方法更高效。

用 PowerShell 写服务端的 Windows 远程桌面工具，客户端基于 Python/QT6 跨平台运行，适合需要轻量隐蔽远程控制的场景。

btrack

quantumjot·Python

基于贝叶斯推断的多目标跟踪库，用卡尔曼滤波和全局优化把细胞等目标的检测结果串成连续轨迹，适合处理拥挤、遮挡场景下的追踪。

safetensors 的扩展，能把稀疏量化后的张量高效存到磁盘，省空间又不牺牲加载速度，适合大模型量化权重的持久化。

VolleyVision

shukkkur·Python

用深度学习处理排球比赛视频数据，做球员与球的检测跟踪、球场识别和动作事件分析，适合体育视频分析场景。

把视觉语言模型的高层推理和细粒度感知接起来，让 VLM 能直接做开放词表目标检测，输出精确的框和掩码。

基于高帧率抽帧混合算法对视频做二次处理，规避短视频平台查重，带 PyQt5 图形界面并支持 GPU 加速。

自动重命名成人视频文件，让 Plex、Jellyfin 插件和 Stash 脚本无需手动干预即可正确匹配刮削信息，支持服务端和命令行两种运行模式。

用视觉语言模型把二维工程图纸自动转成三维 CAD 模型，省去手工建模的重复劳动。

一种前馈式 3D 高斯泼溅新方案，用体素对齐预测替代逐像素回归，提升新视角合成的重建质量与效率。

一堆用 Python 写的实用小脚本合集，涵盖浏览器自动化、密码强度检测、密码管理、YouTube 相关操作等，适合拿来即用或改造成自己的自动化小工具。

从稀疏视角前馈式合成 360 度场景，结合高斯泼溅与视频扩散模型，无需逐场景优化即可生成可自由漫游的新视角画面。

DF-GAN 是 CVPR2022 提出的文本到图像生成基线，用简洁的 GAN 结构从文字描述合成图像，效果稳定且易于复现。

meshpoint

KMX415·Python

基于树莓派和 SX1302/SX1303 集中器的开源 LoRa 基站，为 Meshtastic/MeshCore 提供多信道被动抓包、本地仪表盘和原生发射能力。

用大语言模型抓取、聚合、过滤并重写 RSS 订阅源，再对外提供内容服务，适合做新闻聚合与内容改写实验。

ML model optimization product to accelerate inference.

自托管的开源 Codespaces，用 Docker 为每个项目创建与生产环境一致的开发容器，隔离 Claude/Codex 等 CLI，支持 VS Code、JetBrains、SSH 和浏览器访问，还能给同事和客户开临时预览环境。

LaserMix

worldbench·Python

半监督 LiDAR 语义分割方法，通过激光混合策略利用少量标注数据训练 3D 点云分割模型，提升自动驾驶场景下的分割精度。

用自然语言对话就能定位和操作 NeRF 三维场景中的物体，把 ChatGPT 和 BLIP2 接进 NeRFStudio，省去手动标注的麻烦。

Diception

aim-uofa·Python

一个通用的扩散模型，用生成式方法统一处理深度估计、法线估计和分割等多种视觉感知任务，省去为每个任务单独建模的麻烦。

1Prompt1Story

byliutao·Python

用单个提示词就能让扩散模型生成前后一致的多图故事，无需额外训练或微调，解决文生图角色与场景不一致的问题。

输入一个主题就能自动生成 Vox 风格的纸片拼贴解说视频，脚本、关键帧、动画、配音、配乐和字幕全流程搞定，还能作为 Claude Code 等编程智能体的技能调用。

给照片加上对抗扰动，防止他人用 DreamBooth 等个性化文生图模型把你的脸合成到任意画面里。

TapeAgents

ServiceNow·Python

覆盖 LLM Agent 开发全流程的框架，从提示调优、微调到多智能体仿真都能一站式搞定，省去自己拼装各阶段工具链的麻烦。

在本地设备上跑大语言模型的推理引擎，靠 X-Bit 量化把模型压小，让 Llama、Gemma 这类模型在资源有限的机器上也能流畅生成。

U-Time 是一个用全卷积网络做时间序列分割的模型，最初用于睡眠分期分析，也可迁移到其他时序分割任务。

Ovis-Image

ATH-MaaS·Python

7B 参数文生图模型，专攻高质量文字渲染，在严苛算力限制下也能高效出图，适合需要画面内准确排字的场景。

轻量级网页版 Linux 系统监控工具，专为小型家用服务器设计，在浏览器里就能查看 CPU、内存等运行状态。

Sudachi 日语分词器配套的系统词典，提供词条和词性标注数据，用于日文形态素分析和分词。

Windows 上的批量视频混剪桌面工具，基于 FFmpeg 提供 15 项批处理操作，适合一次性处理大量视频素材。

无需写代码就能浏览和校验表格数据的桌面应用，基于 Frictionless 框架，帮非技术用户快速发现数据质量问题。

在 DGX Spark 上跑 Qwen3.5-122B-A10B 的 INT4 量化推理方案，靠 AutoRound 加 MTP 把吞吐从 28.3 提到 51 tok/s，显存吃紧的单机也能跑大模型。

把网页转成适合大模型阅读的纯文本，类似 Firecrawl 和 Jina Reader，方便做 RAG、网页抓取和图片链接提取。

用自然语言提示从任意视频中精准截取片段，省去手动拖时间轴找画面的麻烦，适合快速产出短视频素材。

在自己 GPU 上自托管的一体化 AI 工作室，集文件 RAG 对话、屏幕与浏览器代理、编码集群、LoRA 训练、MCP 服务及本地音视频图像生成于一身，无遥测。

把豆包逆向成 OpenAI 兼容接口，免费提供多模态对话、图像/视频/音乐生成和文件托管，方便接入 AI Agent。

A simple Python sandbox for helpful LLM data agents

r2_gaussian

Ruyi-Zha·Python

用 3D 高斯泼溅做 X 射线 CT 断层重建，修正辐射高斯表示，从稀疏视角投影还原高质量三维体数据。

基于 Pyrogram 的 Telegram 机器人，用 rclone、aria2c、qBittorrent 在云盘和 Telegram 之间转存、镜像、离线下载文件。

基于截断 SVD 的大模型压缩方法，通过奇异值分解降低 LLM 参数量与显存占用，同时尽量保住生成质量，已中稿 ICLR 2025。

把文件传输、抠图、视频图片编辑、YouTube/X 下载、格式转换等常用操作塞进 Windows 右键菜单，点一下就能用，省去来回开软件。