SpeechT5-统一口语处理的多模态模型

FitDiT是一个高保真的AI虚拟试穿开源模型，支持用户虚拟更换服装并自动添加区域蒙版，能够为用户提供真实的试穿体验，帮助用户在购买前更好地了解服装效果。

一款强大的多模态大语言模型，能在手机上实现视觉、语音和多模态直播的强大功能，让手机也能拥有类似GPT-4o的智能表现

带你深入了解 Spring 源码系列学习资料，涵盖了资源加载与访问、Spring 表达式语言、Bean 定义、Aware 接口、核心注解和 Spring AOP 等核心概念和关键功能介绍。

RL-VLM-F是一个结合视觉和语言的强化学习项目，通过利用基础模型的反馈进行学习，旨在优化多模态任务中的决策过程。

ComfyUI颜色调整模块：图像色彩、对比度编辑、色调映射、16位和HDR图像支持工具，提供灵活的图像处理功能

一份收集整理 Adobe 全家桶的平替列表，涵盖了 Photoshop、Illustrator、Lightroom、Premiere 以及 After Effects 等热门软件的平替。

一个汇集了关于图检索增强生成（Graph Retrieval-Augmented Generation）资源的大列表，涵盖论文、工具和数据源，按图领域分类整理

LLMOps是一个灵活、稳健且高效的Python工具包，专为大型语言模型(LLM)的运营设计。它提供了模型注册、实验跟踪和实时推理等关键功能，帮助开发者和研究人员更好地管理和优化他们的模型。该工具包支持高效的操作，并具备灵活的集成能力，适用于各种机器学习工作流。

SDT是一个基于深度学习的笔迹模仿模型，能够支持多种书写风格的生成和实时调整，兼容多种输入设备，旨在提升用户的书写体验。

一本开源且免费可在线阅读的英语语法学习书籍，采用循序渐进的方式帮助学习者掌握英语语法。

Marco-o1是一个开源的大型推理模型，专注于解决现实世界的开放性问题。它基于Qwen2-7B-Instruct模型，集成了Chain-of-Thought微调、蒙特卡洛树搜索(MCTS)和反思机制。在MGSM数据集上表现优异，英文准确率提升6.17%，中文提升5.60%。

实现了用Numpy库构建全连接神经网络和基于注意机制的transformer模型的最小化版本，代码行数少于650行，是一份值得参考的简化神经网络实现案例

该项目包含与3D Gaussian Splatting相关的论文列表，旨在为研究人员和开发者提供一个集中资源，方便查阅相关文献和资料。

使用transformers.js实现的前端语义搜索工具，允许用户在浏览器中进行语义搜索，计算嵌入和余弦相似度，无需服务器端推理。

面向生产的大语言模型构建指南配套代码，提供丰富的Jupyter笔记本，帮助开发者深入理解和实践LLM的应用开发。该项目旨在帮助开发者通过实际操作掌握大语言模型的构建与应用，通过示例代码和文档支持自学和项目开发。

一个从零开始构建的LLM驱动的高级RAG管道，旨在揭示高级RAG管道的内部运作，审视通常不透明的机制、局限性和成本。

将PDF文档转换为Markdown的智能工具，利用先进的视觉语言模型，能够精准识别并提取文本、表格和公式，保留文档格式和层次结构

Scribble Diffusion是一个开源项目，允许用户通过涂鸦与AI互动生成图像，提供了丰富的功能和易于使用的接口。