一套面向大模型训练的分布式并行框架，把数据、模型、流水线并行和异构训练整合成统一接口，让训练和推理更省显存、更快。
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。
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。
功能丰富的命令行音视频下载器，支持从 YouTube 等大量网站抓取视频和音频，还能调用 SponsorBlock 自动跳过广告片段。
NVIDIA 的大规模 Transformer 训练框架，支持张量并行、流水线并行等模型并行策略，用来在成百上千张 GPU 上高效预训练大语言模型。
把 PDF、Office 等复杂文档转成 LLM 可直接用的 Markdown/JSON，内置版面分析和 OCR，专为 RAG 与 Agent 工作流准备语料。
让视频扩散模型在普通显卡上也能跑起来，通过帧打包技术大幅降低显存占用，实现实用的长视频生成。
一站式桌面工具，用本地 Whisper、FunASR 等模型离线把视频转成字幕，还能翻译、AI 配音、声音克隆和烧录字幕，支持批量处理与全平台 GPU 加速。
面向云端和数据中心的高性能推理服务端，支持多种深度学习框架模型部署，并可在边缘设备上运行。
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。
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。
用纯 Rust 从零实现的开源非线性视频编辑器，支持多轨道剪辑与视频处理，适合想要轻量、高性能剪辑工具的用户。
把深度学习模型编译到 CPU、GPU 及各类加速器上运行的开源编译器框架，通过统一中间表示和自动调优提升推理性能。
开源的大规模视频生成模型，支持高质量文生视频，为 AIGC 视频创作提供可用的生成能力。
GPU 加速的数据预处理库，提供高度优化的图像、音频处理算子和执行引擎，解决深度学习训练中数据管道拖慢 GPU 的瓶颈。
Open3D 是一个现代 3D 数据处理库，提供点云、网格、RGB-D 和 3D 可视化等算法与工具，支持 C++ 和 Python，可用于 3D 感知、重建与机器学习研究。
开源计算机视觉库，提供图像处理、视频分析和深度学习推理的 C++ 接口，是视觉应用开发的基础设施。
Python 图像处理算法库，提供滤波、分割、形态学、特征检测等常用算法，适合科研与工程中快速实现图像分析流程。
基于 Kubernetes 的云原生机器学习平台，把训练、流水线编排、模型服务和 Notebook 开发统一到容器化集群里，解决 MLOps 各环节割裂、难以规模化调度的问题。
开源 AI 短剧与漫剧创作平台，把剧本、分镜、角色场景资产、图像和视频生成串在无限画布上，用 AI Agent 和可视化工作流完成从创意到成片，支持本地部署和自选模型。
把训练好的深度学习模型优化并部署到 Intel CPU、GPU 等硬件上做推理，支持视觉、LLM 和生成式模型，省去自己折腾底层加速的麻烦。
低代码 MCP 框架，用可视化方式快速搭建复杂 RAG 流水线，省去大量胶水代码，适合快速验证检索增强生成方案。
通用大模型部署引擎，借助机器学习编译技术把 LLM 高效跑在各种硬件上，从手机到服务器都能用。
面向大模型后训练的强化学习框架，用混合编程模型把 RLHF 训练流程编排得灵活又高效，方便扩展和跑大规模实验。
输入一段文本就能生成带笑声、叹息等非语言声音和背景音乐的语音，效果自然，适合做创意配音和音频内容原型。
汇集大模型技术原理与实战经验的开源知识库，覆盖训练、推理、部署和工程化落地全流程，适合系统学习大模型应用开发。
PyTorch 官方的端侧推理框架，把训练好的模型导出并部署到手机、嵌入式和边缘设备上运行，覆盖 CPU、GPU 等多种后端。
MiniCPM-V 是面壁智能开源的多模态视觉语言模型，能在手机、PC 等本地设备上完成看图、听音和对话交互，无需依赖云端。
本地运行的 ElevenLabs 开源替代品，支持声音克隆、语音设计、视频配音、听写、转写和有声书制作，覆盖 646 种语言。
基于 OpenAI Whisper 的语音转写工具，能自动识别不同说话人并切分对话，适合会议记录、访谈整理等多人语音场景。
Kaldi 是经典的语音识别工具库，提供声学建模、解码和说话人识别等完整流程，适合搭建语音转文字与说话人验证系统。
用 Stable Diffusion 做音频驱动唇形同步，让视频或虚拟人像的口型与语音对齐，适合做数字人和视频配音。
RWKV 是一种兼具 RNN 与 Transformer 优势的语言模型架构，支持像 GPT 一样并行训练，推理时线性时间、常量显存、无限上下文，无需 KV 缓存。
SANA 是英伟达开源的高效扩散生成模型与配套训练推理引擎，支持文生图、文生视频和世界模型，用线性注意力和 NVFP4 量化在低显存下实现快速生成。
从多张照片重建三维场景的 C++ 工具，集成了运动恢复结构（SfM）和多视图立体（MVS），可输出相机位姿与稠密点云。
GLM-OCR 是一个基于 GLM 的图片转文字 OCR 工具，主打高精度、高速度与全面覆盖，适合文档解析和 RAG 场景下的文字提取。
把任意脚本自动生成多风格火柴人动画视频，自动配画面、配音、字幕和音效，适合做无露脸 YouTube 频道。
基于深度神经网络的图形化人声分离工具，可把歌曲拆成人声和伴奏，方便做卡拉OK伴奏或二次混音。