Hunyuan3D-2 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
High-Resolution 3D Assets Generation with Large Scale Hunyuan3D Diffusion Models.
practical-tutorials
项目驱动学习教程合集,通过一步步做完整项目来掌握一门技术。目前累计 28.8 万 star、3.7 万 fork,在本地项目库中星标排名约第 16 / 65705,主要语言为 Python,项目始于 2017 年,采用 MIT 许可。最近状态:本周仍有提交。
适合谁:推荐给想补齐某块知识的开发者:涉及 beginner-project、cpp、golang、javascript 方向。
按累计星标排序,库内共 65,705 个项目(GitHub 上星标 ≥ 1k 的公开仓库约 65,968 个)。
优先使用本地记录的星标快照计算近 7 天真实增量;快照不足 7 天时,按「创建以来日均获星」估算,数值旁会标注口径。
已收录 GitHub 星标过千的公开项目,附原始简介、语言、主题与活跃度。用一句自然语言描述需求,即可获得 AI 推荐。
Hunyuan3D-2 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
High-Resolution 3D Assets Generation with Large Scale Hunyuan3D Diffusion Models.
HunyuanVideo 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
HunyuanVideo: A Systematic Framework For Large Video Generation Model
Awesome-Diffusion-Models 是用 HTML 编写的 AI 工具,用于人工智能方向的建模与推理。
A collection of resources and papers on Diffusion Models
LTX-Video 是用 Python 编写的多媒体工具,用于处理音视频内容。
Official repository for LTX-Video
openvino 是用 C++ 编写的 AI 工具,用于人工智能方向的建模与推理,主打开源免费。
OpenVINO™ is an open source toolkit for optimizing and deploying AI inference
runanywhere-sdks 是用 C++ 编写的移动端方案,用于移动应用开发,主打适合生产环境。
Production ready toolkit to run AI locally
VAR 是用 Jupyter Notebook 编写的 AI 工具,用于人工智能方向的建模与推理,主打易用、可伸缩。
[NeurIPS 2024 Best Paper Award][GPT beats diffusion🔥] [scaling laws in visual generation📈] Official impl. of "Visual Autoregressive Modeling: Scal…
mmagic 是用 Jupyter Notebook 编写的 AI 工具,用于人工智能方向的建模与推理,主打易用。
OpenMMLab Multimodal Advanced, Generative, and Intelligent Creation Toolbox. Unlock the magic 🪄: Generative-AI (AIGC), easy-to-use APIs, awsome mod…
StyleTTS2 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
StyleTTS 2: Towards Human-Level Text-to-Speech through Style Diffusion and Adversarial Training with Large Speech Language Models
LatentSync 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理,主打适合生产环境。
Taming Stable Diffusion for Lip Sync!
remove-ai-watermarks 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
Remove visible and invisible AI watermarks and provenance metadata from images and video. Python library and CLI for SynthID, C2PA, EXIF, IPTC, XMP,…
Awesome-Video-Diffusion 是一个多媒体工具,用于处理音视频内容。
A curated list of recent diffusion models for video generation, editing, and various other applications.
SUPIR 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
SUPIR aims at developing Practical Algorithms for Photo-Realistic Image Restoration In the Wild. Our new online demo is also released at suppixel.ai.
transformerlab-app 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理,主打开源免费。
The open source research environment for AI researchers to seamlessly train, evaluate, and scale models from local hardware to GPU clusters.
《Pytorch实用教程》(第二版)无论是零基础入门,还是CV、NLP、LLM项目应用,或是进阶工程化部署落地,在这里都有。相信在本书的帮助下,读者将能够轻松掌握 PyTorch 的使用,成为一名优秀的深度学习工程师。
《Pytorch实用教程》(第二版)无论是零基础入门,还是CV、NLP、LLM项目应用,或是进阶工程化部署落地,在这里都有。相信在本书的帮助下,读者将能够轻松掌握 PyTorch 的使用,成为一名优秀的深度学习工程师。
FastVideo 是用 Python 编写的 AI 工具,用于大模型与智能体应用开发。
A unified inference and post-training framework for accelerated video generation.
ComfyUI-LTXVideo 是用 Python 编写的多媒体工具,用于处理音视频内容。
LTX-Video Support for ComfyUI
nunchaku 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
[ICLR2025 Spotlight] SVDQuant: Absorbing Outliers by Low-Rank Components for 4-Bit Diffusion Models
TurboDiffusion 是用 Python 编写的 AI 工具,用于大模型与智能体应用开发。
TurboDiffusion: 100–200× Acceleration for Video Diffusion Models
MAGI-1 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
MAGI-1: Autoregressive Video Generation at Scale
Diffusion-Models-Papers-Survey-Taxonomy 是一个 AI 工具,用于人工智能方向的建模与推理。
Diffusion model papers, survey, and taxonomy
Pyramid-Flow 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
[ICLR 2025] Pyramidal Flow Matching for Efficient Video Generative Modeling
VGen 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
Official repo for VGen: a holistic video generation ecosystem for video generation building on diffusion models
awesome-speech-recognition-speech-synthesis-papers 是一个 AI 工具,用于人工智能方向的建模与推理。
Automatic Speech Recognition (ASR), Speaker Verification, Speech Synthesis, Text-to-Speech (TTS), Language Modelling, Singing Voice Synthesis (SVS),…
项目列表来自 GitHub 官方 Search API(stars:>1000)。单个查询最多只能返回前 1000 条,所以「同步热门」取到的是星标最高的 1000 个;要拿全量必须按星标区间拆成多个查询——本站会先查各区间的真实数量再自动切分(1k–2k 约 3.2 万个,2k–5k 约 2.1 万个,5k–20k 约 1 万个,2 万以上约 2300 个)。GitHub 上星标过千的公开仓库当前约 65,968 个,本站已收录 65,705 个。星标、简介、语言与主题均为 GitHub 原始字段,未做人工逐一核验。
中文介绍分三种来源,卡片与详情页均有标注:热门项目使用本站人工维护的条目;其余项目由程序依据语言、主题、简介中的特征词与项目数据自动生成;仓库原简介本身是中文时直接引用原文。自动生成的介绍只是对公开字段的归纳,不代表项目方表述,也不构成选型结论。
每日推荐按北京时间每天从星标 6000 以上、近 18 个月仍有提交且未归档的项目中选取,排除近 120 天已推荐过的项目,同一天内结果固定。推荐结果由规则引擎(或配置的大模型)生成,不构成选型结论。
每天每台设备可免费检索 3 次,浏览、筛选和关键词查找不消耗额度。选择下方任一方案即可继续(当前为模拟支付)。
模拟支付不会接入真实渠道,也不会产生任何扣款。