TengineKit
TengineKit 是一款由 OPEN AI LAB 打造的高性能移动端 AI 算法 SDK。它致力于解决复杂视觉模型在手机上部署难、延迟高的问题，提供实时的人脸检测与关键点、手部及身体动作捕捉、虹膜识别以及 YOLOv5 目标检测等多种能力。对于需要快速集成计算机视觉功能的开发者而言，TengineKit 提供了极简的 API 接口和极小的包体积，大幅降低了开发门槛。其核心优势在于卓越的性能表现，经过深度优化后，能在主流手机芯片（如麒麟、高通）上实现毫秒级响应和超高帧率，确保流畅的用户体验。无论是构建 AR 应用、智能交互界面还是边缘计算项目，TengineKit 都能提供稳定可靠的底层支持。目前项目开源且持续更新，欢迎开发者加入社区交流使用。
使用场景
某创业团队正在开发一款主打虚拟互动的新兴直播 APP，需要实现毫秒级的人脸追踪与手势控制礼物特效。
没有 TengineKit 时
- 自研或通用开源模型在低端机型上推理耗时过长，导致直播画面频繁掉帧卡顿。
- 需要分别集成人脸、手部等多个独立算法库，最终安装包体积膨胀，影响用户下载意愿。
- iOS 与 Android 端需维护两套不同的底层代码，跨平台适配效率低下且容易出错。
- 算法延迟较高，用户做手势时特效反应滞后，严重影响互动沉浸感。
使用 TengineKit 后
- TengineKit 针对移动端深度优化，在主流芯片上可达数百 FPS，彻底解决低端机卡顿问题。
- 单一 SDK 同时支持人脸、手部及身体检测，大幅缩减依赖库，显著降低安装包体积。
- 提供极简统一的 API 接口，开发者只需少量代码即可实现双端功能复用，加速上线进程。
- 极低延迟特性确保手势触发特效几乎零感知，配合实时属性分析，互动体验更加丝滑流畅。
TengineKit 凭借高性能与轻量化优势，让移动端的复杂视觉交互变得触手可及。
运行环境要求
- Linux
- Android
未说明
未说明
快速开始
TengineKit，由 OPEN AI LAB 开发。
TengineKit 是一个易于集成的 AI 算法 SDK(软件开发工具包)。目前，它可以在各种手机上以非常低的延迟运行。我们将持续更新此项目以获得更好的结果和性能！
效果展示
| 人脸检测 & 人脸 2D Landmark(关键点) | 人脸 3D Landmark(关键点) & 虹膜 | 上半身检测 & 上半身 Landmark(关键点) | 手部检测 & 手部 Landmark(关键点) |
|---|---|---|---|
 |
 |
 |
 |
动图
视频 ( YouTube | BiliBili )
体验试用
- APK 可直接下载并在手机上安装查看效果。
或
- 扫描二维码下载 APK
目标
- 在移动端提供最佳性能
- 在移动端提供最简单的 API(应用程序接口)
- 在移动端提供最小的安装包
功能特性
- 人脸检测
- 人脸 Landmark(关键点)
- 人脸 3D Landmark(关键点)
- 人脸属性，例如：年龄、性别、微笑、眼镜
- 眼部虹膜及 Landmark(关键点)
- 人体检测
- 手部检测（实时，尚未支持移动端）
- 手部 Landmark(关键点)（实时，尚未支持移动端）
- Google 人体检测（实时，尚未支持移动端）
- 人体 Landmark(关键点)（实时，尚未支持移动端）
- YOLOv5
更新 (2021/03/25)
- 修复 Linux 示例代码错误
- 更新 Android 示例代码，提升 FPS(帧率)
- 更新 Linux .so 文件
- 更新 Linux YOLOv5s
- 修复内存问题 (Core v0.0.6)
性能表现 (人脸检测 & 人脸 Landmark(关键点))
| CPU | 耗时 | 帧率 |
|---|---|---|
| Kirin 980 | 4ms | 250fps |
| Qualcomm 855 | 5ms | 200fps |
| Kirin 970 | 7ms | 142fps |
| Qualcomm 835 | 8ms | 125fps |
| Kirin 710F | 9ms | 111fps |
| Qualcomm 439 | 16ms | 62fps |
| MediaTek Helio P60 | 17ms | 59fps |
| Qualcomm 450B | 18ms | 56fps |
关键点顺序
联系方式
关于 TengineKit 的使用及人脸识别相关技术交流，您可以加入以下 QQ 群（群验证：TengineKit）：
- TengineKit 交流 QQ 群：630836519
- 扫码入群
版本历史
v1.0.12021/10/18v1.0.02021/09/10v0.0.42021/02/25v0.0.32021/02/24v0.0.12020/11/11v1.1.42020/10/29v1.1.32020/09/21v1.1.22020/09/17v1.0.72020/08/13v1.0.52020/07/26v1.0.42020/07/17v1.0.32020/07/16v1.0.22020/07/07常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。