探索 Python 项目
筛选并发现收录的、配有高质量中文文档或教程的 GitHub 项目。
基于文本属性的 Windows GUI 自动化工具，支持 Win32 API 和 MS UI Automation 后端，可模拟鼠标键盘操作并获取文本数据，适用于 Python。
开源统一多模态模型，7B 活跃参数，支持多模态理解、文本到图像生成及自由视觉编辑。性能超越 Qwen2.5-VL 等主流模型，具备世界建模能力。
基于 YOLO3 和 CRNN 实现中文自然场景文字检测与识别。支持多种文字方向检测、不定长 OCR 训练（英文/中英文）、模型转换（PyTorch/Keras/Darknet）及结构化数据识别（如身份证、火车票）。提供 GPU/CPU 部署方案与 Web 服务。
基于注意力机制的无监督图像到图像翻译框架，采用自适应层-实例归一化 (AdaLIN) 实现风格转换，支持自定义数据集训练与预训练模型测试。
获奖的免费开源视频编辑器，支持 Linux、Mac 和 Windows。提供高质量的视频编辑与动画解决方案，功能包括跨平台、多种格式支持、关键帧动画、无限轨道、视频过渡、合成与水印、2D/3D 动画、SVG 矢量标题、时间线编辑、帧精度、速度变化、音频混合、数字视频效果及硬件编解码。
收录 AI 相关实用工具的精选列表，涵盖聊天、代理、搜索、开源模型、图像视频生成、云平台、写作翻译、语音处理、学术研究等多领域，欢迎提交 issue 或 PR 共同完善。
提供 TCM 实用道德黑客课程的资源集合。包含实验室设置、网络复习、漏洞利用开发、Active Directory 攻击和 Web 应用测试等工具与指南。
基于原子化概念构建的轻量级、模块化框架，用于创建 AI 代理管道和应用。组件可复用、可组合，基于 Instructor 和 Pydantic 构建，支持 Python。
基于 kohya-ss 训练器的 SD-Trainer，提供 LoRA & Dreambooth 训练脚本与 GUI。支持一键训练环境，集成 TensorBoard、标签编辑器等工具，简化扩散模型训练流程。
100 行 Python 实现的 AI 代理，解决 GitHub 问题或命令行助手。极简设计，无复杂配置，在 SWE-bench 验证基准测试中得分 >74%。
基于nanoGPT的LLaMA语言模型实现，支持Flash Attention、Int8/GPTQ 4bit量化、LoRA和LLaMA-Adapter微调及预训练。Apache 2.0许可，代码简洁高效，适用于消费级硬件。
ComfyUI IPAdapter Plus 是 IPAdapter 模型的参考实现，用于强大的图像到图像条件生成。可轻松将参考图像的主体或风格迁移至生成过程，类似单图 LoRA。提供多种模型与示例工作流，支持 SD15 和 SDXL。
轻量高效的双语文本到语音合成，支持中英混读与口音控制。基于扩散 Transformer，参数仅 0.45B，提供超高质量语音克隆。
微软发布的 7B 参数高效智能体模型，专为计算机使用设计。支持本地部署与 Magentic-UI 集成，提供购物、GitHub 问题处理等多场景自动化能力。
开源、精准、易用的视频语音识别与剪辑工具，集成 LLM AI 剪辑功能。基于 FunASR Paraformer 模型，支持热词定制、说话人识别及多段自由剪辑，自动生成 SRT 字幕。
基于 Python + FastAPI 的闲鱼自动化客服系统，集成 WebSocket 实时消息处理、自动回复、发货、评价及多账号管理，支持 AI 智能回复与返佣子系统。
AI 驱动的暗网 OSINT 工具，支持多模型 LLM 查询优化与结果过滤，提供 Web UI 和 Docker 部署，模块化架构易于扩展。
基于 Flask 的可扩展管理界面框架，支持 SQLAlchemy、MongoEngine 等 ORM，提供开箱即用的 CRUD 视图和文件管理，高度灵活可定制。
按漏洞类型分类的 Bug Bounty 报告精选列表，涵盖 XSS、CSRF、SSRF、RCE 等常见漏洞，提供实战案例与技术分析。
基于物理信息的神经网络 (PINNs) 代码库，用于求解非线性偏微分方程及数据驱动发现。提供 TensorFlow v1 实现，但推荐使用 PyTorch/JAX/TensorFlow v2 版本。
基于 Python 的一体化 Android 远程渗透测试工具，利用 ADB 和 Metasploit Framework 自动化获取 Meterpreter 会话。支持设备连接、文件传输、应用管理、屏幕录制及网络扫描等操作，一键完成漏洞利用。
NeRF 的 PyTorch 实现，复现论文结果且速度提升 1.3 倍。支持 lego 和 fern 等数据集训练与测试，提供预训练模型。
高性能 GPU 内核库，服务于大语言模型推理。提供统一 API，支持注意力、GEMM、MoE 等操作，具备多种后端实现。优化预填充、解码与混合批处理场景，支持 FP8/FP4 低精度计算与现代 GPU 架构。
基于中文法律知识的开源大语言模型，通过法律领域词表扩充、大规模法律语料预训练及指令精调，增强法律语义理解与对话问答能力，提供模型与数据集。
实时转录工具，同步显示麦克风输入（你）和扬声器输出（对方）的文本。支持本地 Whisper 模型或 OpenAI API 提升速度与多语言能力，需 Windows 系统及 FFmpeg。
使用多种形状和大小的图像（如圆形、线条、乐高、Minecraft方块）构建新图像。支持自定义颜色深度、缩放、重叠和多进程渲染，可生成独特马赛克效果。