
lite.ai.toolkit
一行代码调用 100+ 模型,C++ 部署 AI 不再难
lite.ai.toolkit 是一个轻量级的 C++ AI 推理工具包,集成了 100 多个预训练模型,支持 MNN、ONNX Runtime 和 TensorRT 等多种推理后端。它主要解决 C++ 开发者快速集成 AI 能力的问题,覆盖目标检测(YOLOv5/v6/v8)、图像分割、Stable Diffusion 文生图、人脸融合(FaceFusion)和视频抠像(RobustVideoMatting)等任务。核心能力包括:统一简洁的 API 接口,屏蔽底层推理引擎差异;模型仓库预置丰富,开箱即用;支持跨平台部署,兼顾移动端和服务器端。项目采用模块化设计,便于扩展新模型,适合需要高性能、低延迟 AI 推理的 C++ 项目。
开源
free
图像生成
GitHub 星标
★ 4422
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类图像生成
开发团队xlite-dev
所属国家
定价模式free
价格说明开源项目,GPL-3.0许可证,完全免费,可自行部署使用。
访问状态
是否开源是
开源协议GPL-3.0
主要语言C++
技术栈/模型facefusion,mnn,mnn-model,ncnn,onnx,onnxruntime,robustvideomatting,stable-diffusion,tensorrt,tnn,yolov5,yolov6,yolov8,yolox
GitHub 星标★ 4422
30天Star增速
HF 下载量
上线时间2021-03-22 00:00:00
最近更新2026-08-18 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数0
核心亮点
- 预置 100+ 模型,覆盖检测、分割、生成等主流任务,省去模型转换和适配时间
- 统一 API 封装 MNN/ORT/TRT,切换推理后端只需改配置,代码零改动
- 纯 C++ 实现,无 Python 依赖,适合嵌入式和服务端高性能场景
不足之处
- 文档偏少,部分模型示例不完整,上手依赖源码阅读
- 模型更新滞后,新模型需自行转换和集成
适用场景
- 在 C++ 服务端快速部署 YOLO 目标检测,实现视频流实时分析
- 在移动端或边缘设备集成 Stable Diffusion 或人脸融合功能
- 作为 AI 算法原型到 C++ 生产环境的桥梁,快速验证模型效果
替代项目
ncnn、OpenCV DNN、TNN
项目介绍
上一篇:ExprGAN
同类项目推荐
DEIMv2
开源
用DINOv3做实时检测,又快又准,直接落地。
[DEIMv2] Real Time Object Detection Meets DINOv3
geti
开源
少数据快训练,轻松搞定计算机视觉模型
Build computer vision models in a fraction of the time and with less data.
opencv
开源
开箱即用的视觉算法库,搞定图像视频处理与识别
Open Source Computer Vision Library
fsdl-text-recognizer-2022-labs
开源
跟着课程撸一个能跑的文本识别全流程项目
Complete deep learning project developed in Full Stack Deep Learning, 2022 edition. ···