pytorch 第 8 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 8 / 13 页）

FastSpeech2FastSpeech2 是一个基于 PyTorch 的端到端文本转语音（TTS）实现，源自微软提出的 FastSpeech 2 模型。它解决了传统自回归 TTS★ 237piper-pluspiper-plus 是一个多语言神经语音合成（TTS）引擎，基于 VITS 模型并引入韵律增强，支持日语、英语、中文、西班牙语、法语、葡萄牙语等 6 种语言（★ 237PerforatedAIPerforatedAI 是一个为 PyTorch 项目添加“树突”（Dendrites）能力的开源库，旨在通过模拟生物神经元的树突结构来增强神经网络的表达能力★ 237J-WashJ-Wash 是一个基于 Anthropic Jacobian Lens 技术构建的大语言模型手动对齐工具。它通过分析模型内部激活值的雅可比矩阵，帮助开发者直观★ 234chitrachitra 是一个面向全栈深度学习的多功能 Python 库，旨在简化从模型构建到 API 开发再到模型部署的完整流程。它解决了深度学习项目中常见的工程化痛点★ 234onnx-webonnx-web 是一个基于 Web 的图形界面，用于运行 GPU 加速的 ONNX 推理管线，特别针对 Stable Diffusion 等图像生成模型。它解★ 233DL-for-Chatbot这是一个面向聊天机器人开发者的深度学习与NLP教程项目，基于Jupyter Notebook编写，使用PyTorch实现。项目通过一系列可运行的代码示例，系统讲★ 232transformer_latent_diffusion这是一个基于Transformer核心的文本到图像潜在扩散模型实现，旨在探索用Transformer替代传统U-Net作为扩散模型主干网络的可能性。项目解决了S★ 230jetson-voicejetson-voice 是一个专为 NVIDIA Jetson 平台设计的深度学习推理库，专注于语音相关任务，涵盖自动语音识别（ASR）、自然语言处理（NLP★ 229whisper-auto-transcribe这是一个基于 OpenAI Whisper 的自动音频转写工具，旨在提供简单易用的语音转文本解决方案。它解决了普通用户在使用 Whisper 时面临的命令行操作★ 229pflowtts_pytorchP-Flow TTS 的非官方 PyTorch 实现，基于 NVIDIA 的论文，采用 flow matching 技术进行文本到语音合成。该项目旨在复现论文中★ 228Object-Detection-Knowledge-Distillation这是一个基于 PyTorch 的目标检测知识蒸馏框架，旨在让轻量级学生模型通过模仿大型教师模型来提升检测精度，同时保持较低的计算开销。项目解决的核心问题是：在移★ 227XingGANXingGAN是ECCV 2020收录的基于PyTorch的人体图像生成模型，核心任务是给定一个人的源图像和目标姿态，生成该人物在目标姿态下的逼真图像。它通过两★ 225Active-Learning-as-a-ServiceActive-Learning-as-a-Service 是一个面向所有人的可扩展且高效的数据选择与主动学习系统。它旨在解决机器学习中数据标注成本高昂、数据冗余★ 222theDAWtheDAW 是一个用 TypeScript 构建的全功能数字音频工作站（DAW），同时集成 DJ 和 VJ 功能，目标是成为跨领域的创作枢纽。它解决的是音乐制★ 221D-FINE-segD-FINE-seg 是基于 D-FINE 检测器扩展而来的目标检测与实例分割一体化框架，覆盖训练、导出、推理全流程。它解决的是在边缘设备上同时做检测和实例分割★ 217aimirroraimirror 是一个面向 AI 时代的下载加速工具，通过并行分片与智能缓存技术，将模型、数据集等大文件的下载速度提升至原来的 200 倍。它支持 Docke★ 216BiaPyBiaPy 是一个开源的 Python 库，旨在简化生物图像分析流程的构建。它基于深度学习，提供从数据预处理、模型训练到结果可视化的端到端解决方案。核心能力包括★ 215minimind-deep-dive这是一个以 MiniMind 开源大模型源码为切入点，面向中文读者的深度学习笔记项目。它逐行精读预训练、SFT、DPO、PPO、GRPO 等核心训练机制，帮助读★ 214mongolian-nlpmongolian-nlp 是一个面向蒙古语自然语言处理的开源资源集合，旨在解决蒙古语 NLP 资源匮乏的问题。项目收集并整理了蒙古语相关的语料库、预训练模型、★ 209MelNetMelNet 是一个基于 PyTorch 的音频生成模型实现，源自论文《MelNet: A Generative Model for Audio in the ★ 208consistency-modelsconsistency-models 是 OpenAI 官方发布的用于训练和采样一致性模型的工具包。一致性模型是一种新型的生成模型，旨在解决传统扩散模型采样速度★ 207Tacotron-pytorchTacotron-pytorch 是一个基于 PyTorch 实现的 Tacotron 文本转语音（TTS）模型，旨在将文本序列转换为对应的 Mel 频谱图，为★ 206HuggingFaceGuidedTourForMac这是一个面向 Mac（Apple Silicon）用户的 HuggingFace 大语言模型使用指南，以 Jupyter Notebook 形式提供交互式教程。★ 205BCIBCI 是一个基于 Pyramid Pix2pix 的乳腺癌免疫组化（IHC）图像生成工具，旨在通过生成对抗网络（GAN）将 H&E 染色的病理图像转换为对应的★ 205MioTTS-InferenceMioTTS-Inference 是 MioTTS 的推理服务器，MioTTS 是一个基于大语言模型的轻量级、快速的文本转语音（TTS）模型。该项目旨在解决传统★ 205autoshortsautoshorts 是一个自动化短视频生成工具，专注于从长格式游戏录像中提取高光片段并制作成适合 TikTok 等平台的竖屏短视频。它利用 AI 场景分析（支★ 205ai-learning-kitai-learning-kit 是一个精选的 AI 学习资料合集，旨在为开发者、学生和研究者提供系统化的 AI 学习路径。它解决了 AI 领域信息过载、学习资源★ 205practical-computer-vision这是一个面向计算机视觉学习者的实战训练营开源项目，以 Jupyter Notebook 为主要载体，配套测验与视频讲解。它解决的是传统 CV 教程偏理论、代码零★ 205DTrOCRDTrOCR 是论文《DTrOCR: Decoder-only Transformer for Optical Character Recognition》的 ★ 205spectralquantSpectralQuant 是一个针对大语言模型推理时 KV-Cache 压缩的开源工具库。它通过特征基旋转（Eigenbasis Rotation）和基于注水★ 204watchtowerAIShield Watchtower 是一个用于AI模型洞察与漏洞扫描的开源工具，旨在帮助开发者和安全团队深入理解AI模型的行为，并识别潜在的安全风险。它通过★ 202SyntaSpeechSyntaSpeech 是一个语法感知的生成对抗式文本转语音（TTS）模型，发表于 IJCAI 2022。它针对传统 TTS 模型忽略文本句法结构、导致合成语音★ 201small-dogesmall-doge 是一个早期开源的轻量级语言模型家族项目，旨在提供高效、易部署的小规模语言模型。它解决了大模型资源消耗高、部署门槛高的问题，通过精简架构和优★ 201Data-science-ML-and-DL-Resources这是一个面向机器学习、深度学习和数据科学学习者的免费资源集合仓库。它系统地整理了笔记、课程、视频、项目、文章和代码仓库链接，覆盖了从Python、SQL基础到C★ 200HugsVisionHugsVision 是一个基于 Hugging Face 生态的计算机视觉工具包装库，旨在让开发者用极简的代码调用最新的视觉模型。它解决了传统视觉任务中模型集★ 199Efficient-VDVAEEfficient-VDVAE 是论文“Efficient-VDVAE: Less is more”的官方 PyTorch 和 JAX 实现，旨在提升层次化变分★ 199GMFlowGMFlow 是一个基于高斯混合流匹配（Gaussian Mixture Flow Matching）的生成模型开源实现，由 ICML 2025 论文提出。它旨★ 198StyleSpeechStyleSpeech 是 Meta-StyleSpeech 的 PyTorch 非官方实现，旨在解决多说话人自适应文本转语音（TTS）中需要大量参考音频的问题★ 198ML-Model-CIMLModelCI 是一个面向机器学习服务的 MLOps 平台，旨在打通模型训练与线上部署之间的断层。它提供模型管理、格式转换、性能剖析和自动部署等一站式能力，★ 198soft-intro-vae-pytorchSoft-IntroVAE 是 CVPR 2021 Oral 论文的官方 PyTorch 实现，旨在改进内省变分自编码器（Introspective VAE）的★ 197MuseMorphoseMuseMorphose 是一个基于 PyTorch 实现的音乐风格迁移模型，论文发表于 IEEE/ACM TASLP。它利用 Transformer 架构，将★ 195DistanceGANDistanceGAN 是论文《One-Sided Unsupervised Domain Mapping》（NIPS 2017）的 PyTorch 实现，用于★ 194scene_generation这是一个基于PyTorch的交互式场景生成模型实现，对应ICCV 2019论文《Specifying Object Attributes and Relatio★ 193Cross-Speaker-Emotion-Transfer这是一个基于PyTorch实现的跨说话人情感迁移语音合成项目，源自字节跳动的研究成果。它解决的核心问题是：在文本到语音（TTS）合成中，如何让一个说话人的声音表★ 193Parallel-Tacotron2Parallel-Tacotron2 是 Google Parallel Tacotron 2 的 PyTorch 非官方实现，旨在解决传统自回归 TTS 模型★ 191DarkGPTDarkGPT 是一个基于 Python 构建的交互式网页应用，让用户能实时与多种 GPT 模型（包括 Gemini、GPT 等）进行对话。它解决了多模型切换不★ 190nanospeechnanospeech 是一个极简、可自由修改的文本转语音（TTS）系统，基于 PyTorch 和 MLX 构建。它旨在解决现有 TTS 系统过于复杂、难以定制和★ 190iris-3bIris-3B 是一个 30 亿参数的扩散 Transformer 模型，最大特点是直接在像素空间生成图像，不依赖 VAE 编码器，从而避免了重建损失和模糊问题★ 190tracemlTraceML 是一个开源的 PyTorch 训练性能诊断工具，旨在帮助开发者定位和解决训练过程中的性能瓶颈。它通过自动捕获和分析训练运行时的性能数据，提供可视★ 189

相关标签

deep-learning815machine-learning904python1570tts759image-generation613text-to-speech656llm3432computer-vision377speech-synthesis247mlops445stable-diffusion813ai2792