Leopard 是一款裝置端語音轉文字引擎，可在多個平台上提供私密、準確且運算效率高的轉錄服務。

一個在裝置上執行的串流語音轉文字引擎，提供跨平台的私密即時音訊轉錄。

一個用於透過 Word Error Rate (WER) 和 Character Error Rate (CER) 等指標評估自動語音辨識系統的快速 Python 套件。

一個由 whisper.cpp 提供驅動、高效能的自託管語音轉文字 API，且與 Deepgram 相容，方便進行整合。

一個使用 Groq、OpenAI 與 Speechify，自動生成包含名人聲音克隆與產出內容的 AI 影片的工具。

一個開源的 Python 工具包，用於潛在擴散模型的生成水印，提供嵌入、檢測與評估 AI 生成圖像與影片水印的工具。

AnyRecon 是一個 3D 重建框架，利用影片擴散模型從一組捕獲視角生成高品質、任意視角的場景重建。

一個用於高品質影像修復與生成的殘差去噪擴散模型框架，支援去雨、去模糊等任務。

一個用於建立 LoRA 適配器的框架，這些適配器充當滑桿，可在 Stable Diffusion 與 FLUX 等擴散模型中精確控制特定視覺概念。

一個用於教育目的的互動式視覺化工具，解釋擴散模型與流式生成模型的幾何直覺。

Meissonic 是一種非自回歸掩碼生成 Transformer，專為在消費級 GPU 上執行而設計，可實現高效的高解析度文本到圖像合成。

一個針對文本生成圖像模型（text-to-image generation models）的全面基準測試與評估套件，重點關注其處理複雜組合式提示詞、屬性綁定以及空間關係的能力。

一個檢索增強生成（Retrieval‑Augmented Generation）框架，使用超圖結構的知識表示，以更好地捕捉實體之間的複雜關係。

一個以 txtai 為後端的 Streamlit 應用程式，實作向量與圖形 RAG，提供具事實根據的 LLM 回應。

一個具備視覺化代理編排畫布與 Webhook 連接器，可用於將 AI 代理部署到第三方通訊平台的全棧 RAG 框架。

一個用於檢索、重排序與 RAG 的全面 Python 工具包，提供統一的介面來實驗與部署最先進的模型。

一個 Rust 函式庫，提供統一的 API 以與多個 LLM 後端互動，支援多步驟鏈、代理工作流程，以及標準化的 REST API。

一個涵蓋 RAG、代理型工作流、多模態聊天機器人和微調流水線的 LLM 專案與教學集合，旨在從基礎邁向進階的 AI 應用開發。

支援異構資源排程與自動模型服務的 LLM 代理分散式框架，可將代理程式轉換為可觀測的工作流程。

一個透明的即時優先基準測試框架，使用確定性評分在 OpenClaw 執行環境中評估 AI 代理的能力與表現。

一個開源框架，使用強化學習優化 LLM 代理人的推理、工具使用與決策能力。

一個跨平台的電腦視覺框架，用於追蹤基準標記與多點觸控手指，讓實體使用者介面的開發變得可能。

一個提供近期深度學習技巧與電腦視覺任務模型架構的高品質 PyTorch 實作函式庫。

cuCIM 是一個 GPU 加速的電腦視覺與影像處理函式庫，專為生醫、地理空間與遙測應用中使用的大型多維影像而設計。

一個用於感測器融合、視覺里程計和 SLAM 的 Kalman filter 框架，可自動化 Jacobian 計算並支援 ESKF 和 MSCKF 等進階濾波器。

一個結構光掃描工具，能從受圖案光照射的物件影像中重建 3D 點雲，支援 CPU 與 GPU 加速。

一個使用 CUDA 加速的 SIFT 演算法實作，可即時進行影像特徵擷取。

一個開源函式庫，支援 Linux、macOS 與 Windows，讓 PC 能夠存取 Sony Move 動作控制器，用於 AR/VR 應用的 3D 追蹤與感測器融合。

一個用於建立 Stylized-ImageNet 的工具，該版本的 ImageNet 會扭曲紋理，以鼓勵 CNN 更優先考慮物體形狀而非紋理，從而提升魯棒性。

一個基於視覺節點的創意編碼環境，用於在 macOS 上快速原型設計互動式 3D 圖形、影像/影片處理和 AI 增強視覺。

透過統一設定與基準測試，簡化視覺 SLAM 系統的開發、評估與應用的綜合性框架。

一個 Python SDK，讓 AI agent 可以透過基於視覺的自動化，而非脆弱的 UI selector，來控制桌面和行動裝置。

一個彈性的、基於網頁的協作影像標註框架，支援半自動化流程以加速機器學習資料集的標記。

Roboflow 的官方 Python 套件，讓開發者能以程式化方式與模型、資料集和專案互動，從而自動化建立與部署電腦視覺模型。

一個用於簡化電腦視覺應用中影像擷取流程的 Python 函式庫，透過提供符合 GenICam 標準的裝置統一介面來實現。

Diffuman4D 是一個用於高保真度 4D 一致性人類視角合成的時空擴散模型，能夠從稀疏視角的影片中實現自由視角渲染。

一個用於構建、轉換和分析 AI 資料集的資料集管理框架和 CLI 工具，特別專注於各種標註格式之間的轉換。

Basler pylon C++ API 的官方 Python 綁定，使 Python 應用程式能夠控制 Basler 機器視覺相機並執行圖像處理任務。

一個 WordPress 外掛，整合雲端與本地 AI 服務，自動化內容產生、影像處理與網站管理任務。

一個使用 TensorRT 的 C++ 實作 YOLOv8，以高效能 GPU 推論為目標，支援目標偵測、語意分割與姿勢估計。

一個高階框架，用於在 Nvidia 硬體上構建即時、高效能的電腦視覺與影片分析管線，抽象化 DeepStream 的複雜性。

一個以 C++ 實作的快速 Python 電腦視覺函式庫，提供超過 100 種在 NumPy 陣列上運作的影像處理演算法。

即時 2D‑to‑3D 人體姿態估計器，將 RGB 影片串流轉換為標準 BVH 動作捕捉檔案，用於 3D 動畫。

ImageJ2 是一個科學成像框架，它擴展了原始的 ImageJ，以支援多維圖像數據以及跨多種程式語言的無頭處理。

一個本地影片知識庫，透過轉錄與視覺分析為影片建立索引，讓使用者能以自然語言語意搜尋影片內容。

一個開源的電腦視覺工具，可偵測、追蹤並計算影片串流中移動物體的數量，以量化現實世界的移動，常用於交通研究。

一個為移動機器人提供 SLAM、導航、建圖與感測器整合所需工具的穩健、模組化 C++ 框架。

一套針對 Arm Cortex-A、Neoverse 與 Mali GPU 架構優化的低階機器學習函式庫，提供高效能的 ML 推論。