LiveKit

开源多模态 & 视觉19k↑+5

端到端实时音视频通信基础设施,专为连接人类和 AI Agent 设计。支持 WebRTC 媒体服务器、低延迟流媒体、语音/视频 AI 实时交互,是构建实时 AI 应用(语音助手、视频 Agent)的核心基础设施。18.7K+ stars

#实时通信#WebRTC#语音 AI#视频 AI

📊 仓库数据

Stars18,787
Forks1,997
语言Go
协议Apache-2.0
上线2020/9/30
更新2026/5/20

📈 上次抓取以来 ↑+5

优点

  • GitHub 19K+ stars,持续成长
  • AI Agent 能力
  • 支持实时处理
  • Go 语言实现

⚠️ 限制

  • 需要 Go 环境
  • 学习曲线较陡
  • 文档可能需要完善

🔗 相关工具

Stable Diffusion WebUI

开源163k↑+10

github.com/AUTOMATIC1111/stable-diffusion-webui

最流行的 Stable Diffusion Web UI,162,491+ stars。提供直观的图形界面,支持文生图、图生图、ControlNet、LoRA 微调、Inpainting 等核心功能,是 AI 图像生成领域的事实标准工具

🎯 AI 图像生成、艺术创作、模型微调、设计辅助

#图像生成#Stable Diffusion#Web UI#开源
语言Python
🍴 Forks30,347
🔄 更新2026/5/20
访问工具 →

ComfyUI

开源114k↑+40

github.com/comfyanonymous/ComfyUI

节点式 Diffusion 模型 GUI,109,363+ stars。基于节点的工作流编排,可视化连接各处理模块,是最强大的图像生成工作流工具,支持 SDXL、Flux、Stable Cascade 等最新模型

🎯 高级图像生成工作流、批量图片处理、模型对比实验

#节点式#工作流#图像生成#开源
语言Python
🍴 Forks13,313
🔄 更新2026/5/20
访问工具 →

PyTorch Image Models (timm)

开源100k

github.com/huggingface/pytorch-image-models

Hugging Face 维护的最大 PyTorch 图像模型集合,36K+ stars。涵盖 Vision Transformer、ConvNeXt、EfficientNet、MobileNet 等数百种预训练图像编码器,提供训练、评估、推理完整工具链,是计算机视觉领域的标准基础设施

#计算机视觉#图像分类#预训练模型#PyTorch
访问工具 →

OpenAI Whisper

开源100k↑+16

github.com/openai/whisper

开源语音识别模型,支持多语言转录和翻译

🎯 语音转文字、字幕生成、多语言翻译

#语音识别#多语言#转录
语言Python
🍴 Forks12,219
📅 上线2022/9/16
🔄 更新2026/5/20
访问工具 →

Deep Live Cam

开源93k↑+14

github.com/hacksider/Deep-Live-Cam

实时人脸替换工具,91,252+ stars。仅需一张照片即可实现实时视频换脸和一键视频 Deepfake,基于 AI 视觉模型实现高精度面部替换。支持摄像头实时预览和离线视频处理,是 AI 换脸领域最受欢迎的开源项目。

🎯 视频创作、娱乐效果、AI 换脸技术学习

#Deepfake#人脸替换#计算机视觉#实时
语言Python
🍴 Forks13,562
📅 上线2024/3/15
🔄 更新2026/5/20
访问工具 →

OpenCV

开源88k↑+6

github.com/opencv/opencv

开源计算机视觉库,87,181+ stars。全球最广泛使用的计算机视觉库,提供 2500+ 优化算法,涵盖图像处理、目标检测、人脸识别、相机标定等领域。支持 C++、Python、Java,是 AI 视觉应用的基石。

🎯 图像处理、目标检测、人脸识别、AR/VR、自动驾驶

#计算机视觉#图像处理#目标检测#开源
语言C++
🍴 Forks56,581
📅 上线2012/5/1
🔄 更新2026/5/20
访问工具 →