pytorch 第 12 页
本站收录 605 个带「pytorch」标签的 AI 开源项目（按 GitHub 星标从高到低，第 12 / 13 页）
RoseRose 是一个基于 PyTorch 的优化器，提出了一种名为 Range-Of-Slice Equilibration 的优化方法。它通过范围归一化的梯度更新★ 79
ray_vllm_inferenceray_vllm_inference 是一个将 vLLM 与 Ray Serve 集成的轻量级 LLM 推理服务项目，旨在提供快速且可扩展的大模型服务能力。它解★ 79
cnn_vocodercnn_vocoder 是一个基于卷积神经网络（CNN）的快速声码器（vocoder）开源项目，用 Python 实现。声码器是语音合成和音频生成中的关键组件，★ 78
dctts-pytorchDC-TTS 的 PyTorch 非官方实现，基于论文《Efficiently Trainable Text-to-Speech System Based on★ 76
alias-free-ganAlias-Free GAN 是英伟达 StyleGAN3 的非官方实现，基于 rosinality 的版本扩展了训练和推理选项。它解决了传统 GAN 在生成图★ 75
FastPitchFormantFastPitchFormant 是 NCSOFT 提出的 FastPitchFormant 模型的 PyTorch 非官方实现，该模型基于源-滤波器（sour★ 74
VAENAR-TTSVAENAR-TTS 是一个基于 PyTorch 的非自回归文本转语音（TTS）合成实现，核心思路是结合变分自编码器（VAE）与非自回归生成框架，旨在解决传统自★ 74
OpenWebTTSOpenWebTTS 是一个开源的、可自托管的文本转语音（TTS）Web 应用，旨在作为 Speechify 的替代方案。它专注于让用户通过本地模型朗读 PDF★ 74
NeuralTexGenNeuralTexGen 是一个基于 PyTorch 的图像空间纹理优化工具，用于为 3D 网格生成高质量纹理。它解决的是传统 UV 映射和手工纹理绘制流程繁琐★ 73
tts-demotts-demo 是一个基于 Java 的文本转语音（TTS）演示项目，集成了深度学习模型，旨在提供灵活、高质量的语音合成能力。它解决了开发者在集成 TTS 功★ 73
DNN-HSMMDNN-HSMM 是一个基于 PyTorch 实现的语音合成（TTS）工具，核心是将深度神经网络（DNN）与隐半马尔可夫模型（HSMM）结合，用于声学建模。它解★ 73
WG-WaveNetWG-WaveNet 是一个基于 Python 的实时高质量语音合成项目，其核心卖点是在没有 GPU 的条件下实现高保真语音生成。它通过改进 WaveNet 的★ 73
Sketch-Guided-Stable-Diffusion这是谷歌论文《Sketch-Guided Text-to-Image Diffusion Model》的非官方实现，旨在让用户通过简单草图（如手绘线条）结合文本★ 72
kokoro-ruslankokoro-ruslan 是一个针对俄语优化的 Kokoro 语言模型训练脚本，基于 Ruslan 语料库。它解决了 Kokoro 多语言 TTS 模型在俄语★ 71
dji-tello-object-detection-segmentation这是一个面向 DJI Tello 无人机的现代实例分割项目，基于 YOLOv8 和 Detectron2 实现实时目标检测与分割。它解决了 Tello 无人机在★ 70
Turkish-Text-to-SpeechTurkish-Text-to-Speech 是一个面向土耳其语等低资源语言的文本转语音（TTS）开源项目。它采用 Fastpitch 模型从零开始训练声学特征★ 70
color-peelcolor-peel 是一个基于扩散模型的图像生成项目，旨在从形状中解耦出目标颜色，实现颜色与形状概念的分离。它通过生成一系列带有目标颜色的几何形状，并联合学习★ 68
neurips18_hierchical_image_manipulation这是一个基于PyTorch实现的NeurIPS 2018论文《Generative Image Manipulation with Hierarchical S★ 68
WaveGrad2WaveGrad2 是谷歌大脑团队提出的 WaveGrad 2 模型的非官方 PyTorch 实现，专注于文本到语音（TTS）合成。它采用非自回归架构，通过迭代★ 68
cyclegan-qpcyclegan-qp 是论文《Artist Style Transfer Via Quadratic Potential》的官方 PyTorch 实现，旨在解★ 68
c-rnn-gan.pytorchC-RNN-GAN 是一个用 PyTorch 实现的音乐生成模型，基于连续循环神经网络和生成对抗网络的结合。它解决了传统音乐生成中缺乏长期依赖和结构连贯性的问题★ 67
TorchStreamTorchStream 是一个让 PyTorch 模型支持流式推理的 Python 库。它解决了传统 PyTorch 模型在推理时必须一次性处理完整输入的问题，★ 67
polyaxon-examplespolyaxon-examples 是 Polyaxon 平台的官方示例代码库，提供了一系列教程和示例，帮助用户快速上手 Polyaxon。Polyaxon 是★ 67
Self-Supervised-Gans-PytorchSelf-Supervised-Gans-Pytorch 是 CVPR 2019 论文《Self-Supervised GANs via Auxiliary R★ 66
coqui_tts_korea这是一个基于 Coqui TTS 的韩语语音合成项目，使用 GlowTTS 和 Multiband MelGAN 模型实现高质量的韩语文本转语音。项目主要解决韩★ 66
Core-AI-Framework-Lab这是一个探索 Apple Core AI 框架的实战实验室，主要面向 Apple Silicon 设备上的生成式 AI 与端侧推理。项目解决了开发者对 Core★ 66
AI-awesomeAI-awesome 是一个面向 AI 学习者的路线图项目，旨在帮助初学者和进阶者系统化地掌握人工智能知识。它按照“入门-基础-进阶-高级”四个阶段组织学习内容★ 66
QMUPDQMUPD 是一个基于生成对抗网络（GAN）的开源项目，用于从非成对训练数据中生成高质量的人像线条画。该项目源自 TPAMI 论文，核心解决传统线条画生成依赖成★ 63
stable-karlostable-karlo 是一个将 Karlo 文本生成图像模型与 Stable Diffusion v2 的潜在扩散架构结合的开源项目。它解决了 Karlo ★ 63
KsanaDiTKsanaDiT 是一个面向视频与图像生成场景的高性能 Diffusion Transformer（DiT）推理框架，专注于解决 DiT 模型在推理阶段计算量大★ 63
deepdream-video-pytorch这是一个基于PyTorch的DeepDream视频处理工具，旨在为视频添加梦幻般的艺术效果，同时保持时间一致性。它解决了普通DeepDream逐帧处理视频时产生★ 62
odysseyodyssey 是一个面向电子健康记录（EHR）数据的基础模型开发工具包。它旨在解决医疗领域数据复杂、标注困难、模型训练门槛高的问题，提供从数据预处理、模型构建★ 62
Image-Generation-models这是一个用 PyTorch、PyTorch Lightning 和 Hydra 实现的生成模型集合，涵盖 GAN、VAE、扩散模型和自回归模型四大类。项目旨在为★ 61
MIPHEI-ViTMIPHEI-ViT 是一个用于训练 H&E 染色图像到免疫荧光图像转换模型的早期开源项目。它基于 Vision Transformer 架构，解决病理图像模态★ 61
VITS-PytorchVITS-Pytorch 是一个基于 PyTorch 的端到端语音合成（TTS）项目，实现了 VITS 模型。VITS 通过对抗训练和变分推断，直接从文本生成高★ 60
text2speechtext2speech 是微软研究院实习生主导的开源项目，目标是构建面向印度十亿级用户的文本转语音（TTS）系统，相关论文已被 ICASSP 2023 收录。项★ 58
VPGenVPGen是一个基于视觉编程的文本到图像生成与评估框架，来自NeurIPS 2023论文。它通过将文本提示分解为逐步的视觉程序（如对象检测、布局生成、图像编辑等★ 57
textboostTextBoost 是一个面向文本到图像模型的个性化微调工具，核心解决单张参考图即可实现主体定制化生成的问题。传统方法如 DreamBooth 需要多张图像并微★ 57
MIRAGEMIRAGE 是一个多模态基础模型与基准测试集，专为视网膜光学相干断层扫描（OCT）图像的全面分析而设计，相关论文发表于 npj Digital Medicin★ 57
zerovoxzerovox 是一个基于深度学习的零样本（zero-shot）实时语音合成（TTS）系统，完全离线运行，免费且开源。它旨在解决传统 TTS 系统需要针对特定说★ 56
MM2022-ViCoPerceptualHeadGenerationViCo 是一个面向对话场景的感知头部生成开源项目，来自 ACM MM 2022 Workshop。它解决的是在给定单个源人物图像和驱动视频（如音频或动作）的情★ 55
Daft-ExprtDaft-Exprt 是一个基于 PyTorch 的非自回归语音合成模型，专注于跨说话人的韵律迁移，旨在解决 expressive TTS 中韵律风格难以从源说★ 55
ComfyUI-InstallerComfyUI-Installer 是一个用于在 Linux 系统上快速安装 ComfyUI 的 Shell 脚本工具。它解决了 ComfyUI 手动安装过程中★ 54
RAT-GANRAT-GAN 是一个基于条件生成对抗网络（Conditional GAN）的文本到图像生成项目，旨在根据自然语言描述生成对应的图像。它解决了从文本语义到视觉内★ 53
IDEASIDEAS 是 CVPR 2022 论文《Image Disentanglement Autoencoder for Steganography without★ 53
Tacotron2Tacotron2 是一个基于 PyTorch 实现的端到端文本转语音（TTS）系统，源自 NVIDIA 的论文《Natural TTS Synthesis B★ 52
FastSpeech2FastSpeech2 是一个基于 PyTorch 实现的端到端文本转语音（TTS）模型，源自微软提出的非自回归语音合成架构。它解决了传统自回归 TTS（如 T★ 52
voice-cloning-collabvoice-cloning-collab 是 Real-time-voice-cloning 的改进版本，专注于实时语音克隆。它解决了原始项目在声音相似度和自然★ 52
LightDiffusion-NextLightDiffusion-Next 是一个专注于扩散模型推理性能优化的开源项目，旨在提供最快的 Diffusion 后端、WebUI 和服务器。它解决的是扩★ 51
Energy-Based-CrossAttentionEnergy-Based Cross Attention（EBCA）是一个用于文本到图像扩散模型的官方实现，旨在通过能量基交叉注意力机制实现贝叶斯上下文更新。该★ 51