语音、音频与声音
Qwen3-TTS：多语言语音合成、音色设计与声音复刻
QwenLM/Qwen3-TTS
Qwen 开源语音模型系列，提供预设音色、文字描述生成音色和参考音频复刻，适合配音与语音应用开发。
★ 13.4K⑂ 1.7KPython
ToolAI.io · GitHub 频道
GitHub 上的新 AI 项目
一个基于事实的 LLM、智能体、MCP、RAG 和 AI 开发项目索引；每个条目均包含许可证、设置、下载、截图及相关资源。
公开仓库数据
项目索引
语音、音频与声音
PaddleSpeech：语音识别、合成与服务部署工具箱
PaddlePaddle/PaddleSpeech
基于 PaddlePaddle 的语音工具集，覆盖语音识别、文字转语音、标点恢复及其他音频任务，提供命令行、Python 接口和服务示例。
★ 12.7K⑂ 2KPython
机器人与边缘 AI
MuJoCo：面向机器人与控制实验的物理仿真引擎
google-deepmind/mujoco
Google DeepMind 维护的多关节接触动力学引擎，提供模型描述、物理步进、交互查看器和 Python 接口，适合机器人、控制与强化学习环境开发。
★ 15.1K⑂ 1.7KC++
微调、训练与数据
Hydra：管理训练配置、参数组合与实验运行
hydra-ecosystem/hydra
面向 Python 应用的配置框架，通过配置组合、命令行覆盖和多任务运行管理实验，适合把数据、模型与训练参数整理成可复用的配置结构。
★ 10.6K⑂ 977Python
计算机视觉
VGGT：从多视图图片估计相机、深度与三维结构
facebookresearch/vggt
Visual Geometry Grounded Transformer 根据场景图片预测相机参数、深度图、点图和点轨迹，适合三维视觉研究与重建流程的前期几何估计。
★ 14.4K⑂ 1.5KPython
语音、音频与声音
AudioCraft：音乐、音效与神经音频处理工具箱
facebookresearch/audiocraft
基于 PyTorch 的音频生成研究库，包含 MusicGen、AudioGen、EnCodec 等组件，支持文本条件生成、部分旋律条件任务及模型训练流程。
★ 23.6K⑂ 2.7KPython
计算机视觉
Segment Anything：用点和框生成图像分割掩码
facebookresearch/segment-anything
Meta 的 SAM 图像分割项目，支持点、框等提示输入，也能自动生成整张图片的候选掩码，适合交互式标注和图像处理流程。
★ 54.8K⑂ 6.4KPython
智能体与多智能体
Claude Cookbooks：从 API 示例到可评估的业务助手
anthropics/claude-cookbooks
Anthropic 提供的 Claude 开发示例集，覆盖分类、摘要、检索增强、工具调用、图像理解与评估，适合按具体任务学习并改造代码。
★ 52.6K⑂ 6.3KJupyter Notebook
AI 编程与开发者工具
Playwright：跨浏览器测试与自动化工作流
microsoft/playwright
使用一套 API 驱动 Chromium、Firefox 和 WebKit，完成网页测试、表单操作、截图与故障回放，也可作为 AI 浏览器任务的执行基础。
★ 96K⑂ 6.4KTypeScript
微调、训练与数据
pytorch-lightning
Lightning-AI/pytorch-lightning
将 PyTorch 模型逻辑与训练工程分离，统一训练循环、日志、检查点和设备策略，便于把实验代码扩展到可重复训练。
★ 31.3K⑂ 3.8KPython
微调、训练与数据
ColossalAI
hpcaitech/ColossalAI
面向大模型训练与推理的分布式工具集，提供多种并行策略与内存管理，适合解决单卡装不下或多卡利用不足的问题。
★ 41.4K⑂ 4.5KPython
多模态 AI
diffusers
huggingface/diffusers
用于加载和组合扩散模型的 Python 库，提供生成管线、模型组件、调度器和训练示例，适合构建可编程的图像与多模态生成流程。
★ 34.5K⑂ 7.3KPython
第 2 / 25 页 · 295 个项目