torch
本站收录 20 个带「torch」标签的 AI 开源项目
stable-diffusion-webui最流行的 Stable Diffusion Web UI，通过浏览器界面运行 SD 模型，支持文生图、图生图、超分辨率、蒙版重绘等丰富功能与庞大的扩展生态，是 ★ 165,151
ChatTTS专为日常对话场景设计的生成式语音模型，能够生成自然流畅、富有表现力的对话语音。支持细粒度韵律与情感控制，中文合成效果出色，广泛应用于对话系统、有声内容创作与 A★ 39,879
CycleGAN经典无监督图像风格迁移框架，无需成对数据即可实现照片转绘画、马变斑马等趣味效果，广泛应用于风格迁移与图像翻译领域，是计算机视觉领域教科书级的开源项目。★ 12,876
superduperSuperduper 是一个端到端的开源框架，用于构建自定义 AI 应用和智能代理。它解决了将 AI 模型（如 LLM、预训练模型）与现有数据基础设施（尤其是 ★ 5,327
stable-faststable-fast 是一个专为 NVIDIA GPU 设计的 HuggingFace Diffusers 推理性能优化框架，由 WaveSpeed.ai 团★ 1,304
LoongForgeLoongForge 是一个面向大模型训练的统一高性能框架，支持在 NVIDIA GPU 和昆仑芯 XPU 上训练 LLM、VLM、扩散模型及具身智能模型。它解★ 647
LLaMA_MPSLLaMA_MPS 是一个面向 Apple Silicon 芯片的 LLaMA 模型推理加速项目，主要解决在 Mac 上运行 LLaMA 和 Stanford-★ 576
Auto1111SDKAuto1111SDK 是一个面向 Automatic1111 WebUI 的 Python SDK 库，旨在为开发者提供简洁、稳定的编程接口来运行先进的扩散模★ 414
diffusers-torchaodiffusers-torchao 是一个专注于扩散模型优化的端到端配方库，由 Hugging Face 和 PyTorch 团队联合维护。它解决的是扩散模型（★ 399
VoxNovelVoxNovel 是一个将电子书转换为有声书的开源工具，核心特点是能为书中每个角色分配不同的配音演员，实现多角色语音合成。它解决的是传统 TTS 生成有声书时声★ 376
open-genieopen-genie 是 DeepMind 论文《Genie: Generative Interactive Environments》的非官方 PyTorch★ 295
Synthesize3DviaDepthOrSil这是一个2017年CVPR论文的开源实现，用于通过多视图深度图或轮廓图来生成和重建3D形状。项目核心是训练一个生成对抗网络（GAN）和变分自编码器（VAE）模型★ 170
docmind-ai-llmDocMind AI 是一个基于 Streamlit 的开源文档分析应用，核心思路是把 LlamaIndex、LangGraph 与本地大模型串起来，让用户在自★ 155
Qwen-Image-Edit-2511-LoRAs-Fast-Lazy-Load这是一个针对Qwen-Image-Edit-2511图像编辑模型的演示项目，核心亮点是支持懒加载的LoRA适配器，用于高级单图和多图编辑。项目集成了7种以上专用★ 154
sdksdk 是一个通用 Python SDK，旨在简化在 Kubernetes 上运行 AI 工作负载的流程。它解决了 AI 工程师和平台团队在 Kubernete★ 151
Cozy-Auto-TextureCozy-Auto-Texture 是一个 Blender 插件，利用 Stable Diffusion 文本生成图像模型，直接在 Blender 内生成免费纹★ 117
eccv16_attr2imgAttribute2Image 是 ECCV 2016 论文的 Torch 实现，旨在根据属性描述生成对应的图像。该项目解决了从离散属性（如颜色、形状、类别）到★ 94
tg_bot_stt_tts这是一个基于 Python 的 Telegram 机器人，核心功能是语音消息的识别与生成，即语音转文字（STT）和文字转语音（TTS）。它解决了在 Telegr★ 68
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
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