Apprentissage automatique · GitHub

Modèle open source SenseVoiceSmall pour la reconnaissance automatique de la parole en mandarin, cantonais, anglais, japonais et coréen, l’identification des langues, la reconnaissance des émotions et la détection d’événements audio.

• Research scope vs released checkpoint: The broader SenseVoice work reports training on more than 400,000 hours and support for more than 50 languages. The released SenseVoiceSmall checkpoint linked above supports Mandarin, Cantonese, English, Japanese, and Korean; the benchmark comparisons below are task- and language-specific.
• Possess excellent emotion recognition capabilities, achieving and surpassing the effectiveness of the current best emotion recognition models on test data.

:memo: Un excellent dépôt de science des données pour apprendre cette discipline et l’appliquer à des problèmes du monde réel.

Audio Plugin for Audio to MIDI transcription using deep learning.

SwarmUI (anciennement StableSwarmUI) est une interface web modulaire pour Stable Diffusion qui privilégie l’accès facile à des outils puissants, les hautes performances et l’extensibilité.

SANA & Sol : des modèles génératifs efficaces et des moteurs complets d’entraînement et d’inférence pour la modélisation d’images, de vidéos et du monde

SOMA: Unifying Parametric Human Body Models

Qdrant - Base de données vectorielle et moteur de recherche vectorielle à haute performance et à échelle massive, pour la prochaine génération de l'IA. Également disponible dans le cloud https://cloud.qdrant.io/

• Faceting - aggregate search results by payload values.
• Recommendation - use positive and negative examples to find similar points.

Code de la 3ᵉ édition de Machine Learning for Trading — de l’acquisition des données à l’exécution en direct.

Créez et partagez des applications de machine learning agréables à utiliser, entièrement en Python. 🌟 Ajoutez une étoile pour soutenir notre travail !

Créez des agents vocaux avec des modèles open source

Label Studio est un outil d’étiquetage et d’annotation pour plusieurs types de données, avec un format de sortie standardisé.

Assistant IA local et privé pour le bureau. Propose le chat vocal et textuel, une mémoire personnelle, la dictée et des outils MCP. Fonctionne hors ligne avec Ollama ou des serveurs compatibles OpenAI sous macOS, Windows et Linux.

• A third person in the room. Bring Jarvis into an ongoing conversation with friends, talk through a problem aloud, or ask it to weigh in on a decision. “Jarvis, what do you think?” draws on the recent discussion, not just that one sentence.
• Remember beyond one session. Ask about past conversations, preferences and plans. Browse your local diary and knowledge graph in the Memory Viewer.

La plateforme open source d'ingénierie de l'IA pour les agents, les LLM et les modèles de ML. MLflow permet à des équipes de toute taille de déboguer, d'évaluer, de surveiller et d'optimiser des applications d'IA de qualité production, tout en maîtrisant les coûts et en gérant l'accès aux modèles et aux données.

📄 Excellentes boîtes à outils OCR pour plusieurs langages de programmation, basées sur ONNX Runtime, OpenVINO, MNN, PaddlePaddle, TensorRT et PyTorch.

✅ (Terminé) Notes d'apprentissage profond extrêmement complètes sur PyTorch de 土堆, Dive into Deep Learning de Li Mu, le Deep Learning d'Andrew Ng et l'agent de grands modèles de 大飞.

Système de trading quantitatif Abu (actions, options, contrats à terme, Bitcoin et apprentissage automatique), une architecture open source de trading et d’investissement quantitatifs basée sur Python.

Livre interactif d'apprentissage profond, avec du code pour plusieurs frameworks, des mathématiques et des discussions. Adopté dans 500 universités de 70 pays, dont Stanford, le MIT, Harvard et Cambridge.

Apprenez à développer, déployer et améliorer de manière itérative des applications de ML de niveau production.

Standardized Distributed Generative and Predictive AI Inference Platform for Scalable, Multi-Framework Deployment on Kubernetes

• 🧮 Optimized Backends: Support for vLLM and llm-d for optimized performance for serving LLMs
• 📌 Standardization: OpenAI-compatible inference protocol for seamless integration with LLMs