开源的视频翻译和配音工具。该项目可以将视频从一种语言翻译成指定语言的视频，并自动生成和添加对应语言的字幕和配音。

实时交互式 AIGC 图片。该项目能以惊人的速度生成 AIGC 图像，单张 RTX4090 显卡可达 100 张/秒。它通过流批处理简化数据处理，采用残差无分类器（RCFG）减少计算冗余，随机相似性过滤器提高 GPU 利用率，并通过优化 IO 队列实现并行处理。同时，利用多种模型加速工具，实现爆炸式地提升 AIGC 图像速度。

一条命令自动移除图像背景。该项目通过 AI 技术，可自动移除图片和视频中的背景。

机器学习路线图。这份机器学习思维导图，包含了机器学习相关的问题、学习步骤、工具、底层数学知识、教程资源等，为如何学习机器学习指出方向。

通过强化学习训练 AI 玩 Pokemon。该项目使用 Python + RL 从零训练了一个玩「宝可梦红」的 AI，同时作者还提供了配套的讲解视频，以及如何在本地运行和自定义训练的教程，快来上手试试吧！

计算机视觉 AI 工具库。该项目简化了对象检测、分类、标注、跟踪等计算机视觉的开发流程。开发者仅需加载数据集和模型，就能轻松实现对图像和视频进行检测、统计某区域的被检测数量等操作。

import cv2
import supervision as sv
from ultralytics import YOLO

image = cv2.imread(...)
model = YOLO('yolov8s.pt')
result = model(image)[0]
detections = sv.Detections.from_ultralytics(result)

print(len(detections))
# 5

自动检测数据集中错误数据和标注的框架。该项目基于置信学习（confident learning，CL）算法，实现了自动检测出机器学习数据集中的各种问题，提高数据集质量训练出更好的模型，支持图像、文本、音频类型的数据。

一个基于节点流程的 AI 绘图操作界面。该项目将 Stable Diffusion 流程分成多个节点，通过拖拽各种节点构成图像生成到处理的工作流，支持 Stable Diffusion 1.x 和 2.x 版本、组合各种模型、根据 PNG 图片生成完整的工作流等功能。

一款针对 AI 项目的数据版本管理工具。基于 Git 的数据版本管理工具，版本化机器学习项目的数据和模型。可用于比较代码、数据、参数、模型或性能图，共享机器学习项目的数据或重现结果。

机器学习：LLM/VLM 训练与工程。该项目是作者训练开源 BLOOM-176B 大模型和 IDEFICS-80B 多模态模型的经验总结，还提供了大量可以直接拿来用的代码和脚本，希望能够帮助你成功训练大型语言模型和多模态模型。