搜索结果：python（126 个）
按分类缩小范围
nerfstudio
综合 52
一个对协作友好的 NeRF（神经辐射场）开发平台。
EasyOCR
综合 52
开箱即用的 OCR 库，支持中文、拉丁文等 80 多种语言及常见字体的文字识别。
ACE-Step-1.5
综合 52
可在本地运行的音乐生成模型，支持 Mac、AMD、Intel 和 CUDA 设备。
VSET
综合 52
VSET
rembg
综合 52
基于深度学习的图片背景快速消除工具。
CogVideo
综合 52
文本与图像生成视频的大模型项目，包含 CogVideoX 与 CogVideo。
insightface
综合 51
前沿的开源 2D 和 3D 人脸分析与识别算法项目。
chatterbox
综合 51
达到前沿（SOTA）水平的开源文本转语音（TTS）模型。
surya
综合 51
支持 90 多种语言的 OCR、版面分析、阅读顺序检测与表格识别工具。
HunyuanVideo
综合 51
混元视频：腾讯开源的系统化大规模视频生成模型框架。
Wan2.2
综合 51
开源且先进的大规模视频生成模型。
diffusers
综合 50
基于 PyTorch 的前沿扩散模型库，支持图像、视频和音频生成。
olmocr
综合 50
用于将 PDF 转换为线性文本的工具包，专为 LLM 训练和数据集构建设计。
LivePortrait
综合 50
让静态肖像生动起来的动态生成项目。
ddddocr
综合 49
开源通用验证码识别 OCR 库，带带弟弟 Python 版。
Unlimited-OCR
综合 49
百度开源文档解析工具，开启单阶段长程文档解析时代。
Wan2.1
综合 49
开源且先进的大规模视频生成模型。
ultimatevocalremovergui
综合 49
基于深度神经网络的音频人声伴奏分离工具图形界面（GUI）。
基于检索的声音转换 WebUI，使用 10 分钟以内的音频数据即可轻松训练优质变声模型。
whisperX
综合 48
具备词级时间戳和说话人日志（Diarization）功能的自动语音识别工具。