统一加载和运行文本、视觉、音频、多模态的预训练模型，覆盖推理与训练，省去为每个模型重写代码的麻烦。

Detectron2 是 Facebook 开源的目标检测与分割平台，提供模块化架构和丰富预训练模型，方便快速搭建和训练视觉识别任务。

面向 NVIDIA Jetson 嵌入式设备的深度学习推理部署指南，用 TensorRT 加速图像识别等视觉任务，配套教程和预训练模型开箱即用。

一套开箱即用的 2D/3D 人脸分析算法库，集成 ArcFace、RetinaFace 等模型，覆盖人脸检测、对齐、识别和年龄估计，支持 PyTorch、MXNet 等多后端。

提供大量预训练、前沿的 ONNX 格式模型，可直接下载用于推理部署或迁移学习，省去自己转换和训练的成本。

CodeGeeX2 是多语言代码生成预训练模型，支持多种编程语言的代码补全与生成，可作为编码助手的底层模型。

提供中文 BERT-wwm 系列预训练模型，用全词掩码技术提升中文 NLP 任务效果，可直接加载微调。

OpenAI 开源的通用语音识别模型，基于大规模弱监督训练，支持多语言转写、翻译和语种识别，开箱即用。

中文版 CLIP 预训练模型，支持中文图文跨模态检索和表征生成，可直接用于图文匹配、零样本分类等任务。

用 5 秒语音样本克隆音色，实时合成任意文本的语音，基于 PyTorch/TensorFlow 的说话人编码与声码器流水线。

基于 PyTorch 的深度学习高层封装库，用少量代码就能训练出高精度模型，配套 notebook 教程降低入门门槛。

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。

开源金融大语言模型，提供训练好的模型和微调流程，用于金融情感分析、智能投顾等场景。

只需 1 分钟语音数据就能训练出高质量 TTS 模型，支持少样本音色克隆，适合快速定制个性化语音合成。

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。

跨平台机器学习框架，提供可定制的视觉、音频等实时流媒体处理方案，方便在移动端和桌面端搭建低延迟推理管线。

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。

基于 PyTorch 的轻量级 NLP 框架，几行代码就能完成命名实体识别、词性标注、语义角色标注等序列标注任务的训练与微调。

开源实现的 CLIP 多模态模型，提供图像-文本对比学习训练与预训练权重，支持零样本图像分类和跨模态检索。

基于 PyTorch 的说话人日志神经网络组件库，提供语音活动检测、说话人变化检测、重叠语音检测和说话人嵌入等预训练模块，方便搭建说话人分离与识别流程。

基于 so-vits-svc 改进的歌声与语音转换工具，支持实时变声、更友好的操作界面和更多功能，适合做 AI 翻唱和音色克隆。

Meta 开源的 SAM 2 图像与视频通用分割模型，提供推理代码、预训练权重下载和示例 notebook，可对任意画面中的物体做可提示分割与视频目标跟踪。

基于 PyTorch 的语义分割模型库，提供 500+ 预训练卷积与 Transformer 骨干网络，开箱即用，省去自己搭建和训练分割模型的麻烦。

基于 PyTorch 的开源语音工具包，覆盖语音识别、说话人识别与分离、语音增强等任务，提供预训练模型和训练流程，方便快速搭建语音系统。

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。

端到端语音处理工具箱，覆盖语音识别、合成、翻译、增强、分离和说话人日志等任务，基于 PyTorch 提供统一训练与推理流程。

基于深度学习的中文语音识别系统，用 CNN+CTC 把中文语音转成文字，适合搭建本地语音转写服务。

把时间序列当成语言来建模的预训练预测模型，基于 Transformer 架构，可直接用于零样本或微调预测，省去从零训练的成本。

预训练语音合成模型集合，支持俄语、亚美尼亚语等多种语言，几行代码就能把文本转成语音，省去自己训练模型的麻烦。

多音色、支持提示词控制情感与风格的语音合成引擎，输入文本即可生成带情绪表现力的自然语音，适合做有声内容和虚拟人配音。

基于飞桨的一站式开发工具，把分类、检测、分割、OCR、语音识别等任务封装成流水线，支持训练到部署全流程。