[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"tool-markovka17--dla":3,"similar-markovka17--dla":59},{"id":4,"github_repo":5,"name":6,"description_en":7,"description_zh":8,"ai_summary_zh":9,"readme_en":10,"readme_zh":11,"quickstart_zh":12,"use_case_zh":13,"hero_image_url":14,"owner_login":15,"owner_name":16,"owner_avatar_url":17,"owner_bio":18,"owner_company":19,"owner_location":19,"owner_email":19,"owner_twitter":19,"owner_website":19,"owner_url":20,"languages":21,"stars":26,"forks":27,"last_commit_at":28,"license":29,"difficulty_score":30,"env_os":31,"env_gpu":31,"env_ram":31,"env_deps":32,"category_tags":37,"github_topics":40,"view_count":48,"oss_zip_url":19,"oss_zip_packed_at":19,"status":49,"created_at":50,"updated_at":51,"faqs":52,"releases":58},3514,"markovka17\u002Fdla","dla","Deep learning for audio processing","dla 是一套专注于音频处理领域的深度学习开源课程资源，由俄罗斯高等经济学院（HSE）计算机科学系维护。它并非单一的软件库，而是一整套结构完整的教学体系，旨在帮助学习者系统掌握从基础信号处理到前沿生成式 AI 的音频技术全貌。\n\n针对音频算法学习中理论抽象、工程落地难的问题，dla 提供了涵盖数字信号处理（DSP）、自动语音识别（ASR）、音源分离、文本转语音（TTS）、神经音频编解码以及深度伪造检测等核心主题的详细讲义与实践指南。其独特亮点在于“理论与实践并重”：每周内容均包含深入的讲座笔记和配套研讨会，指导用户如何使用 PyTorch、Hydra 和 Git 构建规范的深度学习流水线，并提供了包括 CTC、RNN-T、Diffusion 模型及 Audio LLM 在内的经典与最新架构代码示例。\n\n这套资源非常适合希望进入音频 AI 领域的开发者、研究生及科研人员使用。无论你是想从零开始理解频谱图与梅尔刻度，还是希望复现 Wav2Lip、HiFi-GAN 等先进模型，dla 都能通过清晰的周更大纲、作业项目（如训练语音识别模型或音视频分离系统）以及丰富的参考资源，为你提供一条循序渐","dla 是一套专注于音频处理领域的深度学习开源课程资源，由俄罗斯高等经济学院（HSE）计算机科学系维护。它并非单一的软件库，而是一整套结构完整的教学体系，旨在帮助学习者系统掌握从基础信号处理到前沿生成式 AI 的音频技术全貌。\n\n针对音频算法学习中理论抽象、工程落地难的问题，dla 提供了涵盖数字信号处理（DSP）、自动语音识别（ASR）、音源分离、文本转语音（TTS）、神经音频编解码以及深度伪造检测等核心主题的详细讲义与实践指南。其独特亮点在于“理论与实践并重”：每周内容均包含深入的讲座笔记和配套研讨会，指导用户如何使用 PyTorch、Hydra 和 Git 构建规范的深度学习流水线，并提供了包括 CTC、RNN-T、Diffusion 模型及 Audio LLM 在内的经典与最新架构代码示例。\n\n这套资源非常适合希望进入音频 AI 领域的开发者、研究生及科研人员使用。无论你是想从零开始理解频谱图与梅尔刻度，还是希望复现 Wav2Lip、HiFi-GAN 等先进模型，dla 都能通过清晰的周更大纲、作业项目（如训练语音识别模型或音视频分离系统）以及丰富的参考资源，为你提供一条循序渐进的专业成长路径。","![logo5v1](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmarkovka17_dla_readme_a481a26bee42.jpg)\n\n# Deep Learning for Audio (DLA)\n\n- Lecture and seminar materials for each week are in `.\u002Fweek*` folders, see `README.md` for materials and instructions\n- Any technical issues, ideas, bugs in course materials, contribution ideas - add an issue\n- The current version of the course is conducted in **autumn 2025** at the [CS Faculty](https:\u002F\u002Fcs.hse.ru\u002Fen\u002F) of [HSE](https:\u002F\u002Fwww.hse.ru\u002Fen\u002F).\n\nFor previous years versions, see [Past Versions](#past-versions) section.\n\n# Syllabus\n\n- [**week01**](.\u002Fweek01) Introduction to Course\n\n  - Lecture: Introduction to Course + Inspiration\n  - Seminar: Creating convenient DL pipelines and clean code (Part I) -- Experiment tracking, `Hydra`, `Git`, `VS code`\n  - Self-Study: Introduction to `PyTorch`\n\n- [**week02**](.\u002Fweek02) Introduction to Digital Signal Processing\n\n  - Lecture: Signals, Fourier Transform, spectrograms, MelScale, MFCC\n  - Seminar: DSP in practice, spectrogram creation, IRF, frequency filtering\n\n- [**week03**](.\u002Fweek03) Automatic Speech Recognition I\n\n  - Lecture: Metrics, Datasets, Connectionist Temporal Classification (CTC), Classic Models, Beam Search, Language models\n  - Seminar: Audio Augmentations, Beam Search\n  - Q&A Session: Homework discussion, Creating convenient DL pipelines and clean code (Part II) -- project development\n\n- [**week04**](.\u002Fweek04) Speech Recognition II\n\n  - Lecture: LAS, RNN-T, Language models for RNN-T and LAS\n  - Seminar: Hybrid RNN-T and CTC model training and inference\n\n- [**week05**](.\u002Fweek05) Guest Lecture. Speech Recognition III and Audio SSL\n\n  - Lecture: Self-Supervised Models for Audio, Audio LLMs\n\n- [**week06**](.\u002Fweek06) Source Separation I\n\n  - Lecture: A review of general Source Separation and Denoising, Encoder-Decoder-Separator architectures, Demucs family, DCCRN, FullSubNet+, BandSplitRNN\n  - Seminar: Metrics\n\n- [**week07**](.\u002Fweek07) Source Separation II\n\n  - Lecture: Speech separation, Blind and Target Separation, Recurrent(TasNet, DPRNN, VoiceFilter) and CNN(ConvTasNet, SpEx+)\n  - Seminar: WienerFilter, SincFilter and DEMUCS; streaming processing and performance metrics\n\n- [**week08**](.\u002Fweek08) Audio-Visual Deep Learning\n\n  - Lecture: Audio-Visual Fusion, Source Separation, Speech Recognition, and Self-Supervised Models. Wav2Lip and joint audio-visual generation (Diffusion and LLM-based).\n  - Q&A: Project discussion\n\n- [**week09**](.\u002Fweek09) Text to Speech (TTS) -- Neural Vocoders and Text-To-Mel\n\n  - Lecture: Tacotron, DeepVoice, GST, FastSpeech, AdaSpeech, Attention Tricks\n  - Lecture: Hifi-GAN\n  - Seminar: [AudioBot](https:\u002F\u002Fgithub.com\u002FBlinorot\u002FAudioBot)\n\n- [**week10**](.\u002Fweek10) Neural Audio Codecs\n\n  - Lecture: Core architectures and techniques\n  - Seminar: Implementation of a Neural Audio Codec\n\n- [**week11**](.\u002Fweek11) Diffusion-based TTS\n\n  - Lecture: Diffusion concept. Diffusion Vocoders and Diffusion acoustic models. Latent Diffusion.\n\n- [**week12**](.\u002Fweek12) Voice Biometry I\n\n  - Lecture: Introduction. Reverberation. CMs for recorded and synthesized speech detection (LCNN, RawNet2, AASIST). GNNs\n  - Seminar: ASVspoof, Sinc-layer, GNN\n\n- [**week13**](.\u002Fweek13) XAI and Voice Biometry II\n\n  - Lecture 1: Explainable AI (XAI), core methods, XAI evaluation and issues, XAI for deepfakes\n  - Lecture 2: ASV systems. SASV systems. Streaming\n\n\u003C!--\n\n- [**week14**](.\u002Fweek14) AI for Music\n\n  - Lecture: Tasks overview, Music Information Retrieval, Music Generation\n\n-->\n\n# Homeworks and Projects\n\n- [**HW_ASR**](.\u002Fhw1_asr) Training a speech recognition model\n- [**Project_AVSS**](.\u002Fproject_avss) Training an audio-visual speech separation model\n- [**HW_NV**](.\u002Fhw3_nv) Implementation of a TTS model (Neural Vocoder)\n\u003C!--\n  -->\n\nSee our [project template](https:\u002F\u002Fgithub.com\u002FBlinorot\u002Fpytorch_project_template).\n\n# Resources\n\n- [Lecture recordings on YouTube (in russian)](https:\u002F\u002Fyoutube.com\u002Fplaylist?list=PLYG3WHDP5CWXhMe2bi9vsWoChOD-ScB04)\n\nSome of the weeks have English recordings. See the corresponding sub-directories.\n\n# Contributors & course staff\n\nCourse materials and teaching (in different years) were delivered by:\n\n- [Maxim Kaledin](https:\u002F\u002Ft.me\u002FXuMuK_MK)\n- [Petr Grinberg](https:\u002F\u002Ft.me\u002FBlinorot)\n- [Grigory Fedorov](https:\u002F\u002Ft.me\u002Ffedorovgv)\n- [Aibek Alanov](https:\u002F\u002Ft.me\u002Faibrain)\n- [Assel Yermekova](https:\u002F\u002Ft.me\u002FAllessyer)\n- [Georgiy Pistsov](https:\u002F\u002Ft.me\u002FGoshaNice)\n- [Alexander Markovich (previously)](https:\u002F\u002Ft.me\u002Fmarkovka17)\n- [Daniil Ivanov (previously)](https:\u002F\u002Ft.me\u002Fthe_longest_id_in_the_world)\n- [Ilya Lewin (previously)](https:\u002F\u002Ft.me\u002Flevensons)\n- [Timofey Smirnov (previously)](https:\u002F\u002Ft.me\u002Ftimothyxp)\n- [Alexander Mamaev (previously)](https:\u002F\u002Ft.me\u002Falxmamaev)\n\n# Past Versions\n\n- [2024](https:\u002F\u002Fgithub.com\u002Fmarkovka17\u002Fdla\u002Ftree\u002F2024)\n- [2023](https:\u002F\u002Fgithub.com\u002Fmarkovka17\u002Fdla\u002Ftree\u002F2023)\n- [2022](https:\u002F\u002Fgithub.com\u002Fmarkovka17\u002Fdla\u002Ftree\u002F2022)\n- [2021](https:\u002F\u002Fgithub.com\u002Fmarkovka17\u002Fdla\u002Ftree\u002F2021)\n- [2020](https:\u002F\u002Fgithub.com\u002Fmarkovka17\u002Fdla\u002Ftree\u002F2020)\n","![logo5v1](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmarkovka17_dla_readme_a481a26bee42.jpg)\n\n# 音频深度学习 (DLA)\n\n- 每周的讲座和研讨材料位于 `.\u002Fweek*` 文件夹中，具体材料和说明请参阅 `README.md`。\n- 如有任何技术问题、建议、课程材料中的错误或贡献想法，请提交 issue。\n- 本课程当前版本于 **2025年秋季** 在 [HSE大学](https:\u002F\u002Fwww.hse.ru\u002Fen\u002F) 的 [计算机科学学院](https:\u002F\u002Fcs.hse.ru\u002Fen\u002F) 开设。\n\n有关往年版本，请参阅“往期版本”部分。\n\n# 课程大纲\n\n- [**week01**](.\u002Fweek01) 课程导论\n\n  - 讲座：课程介绍 + 灵感启发\n  - 研讨：构建高效的深度学习流水线与整洁代码（第一部分）——实验跟踪、`Hydra`、`Git`、`VS Code`\n  - 自学：`PyTorch` 入门\n\n- [**week02**](.\u002Fweek02) 数字信号处理导论\n\n  - 讲座：信号、傅里叶变换、谱图、梅尔尺度、MFCC\n  - 研讨：数字信号处理实践、谱图生成、冲激响应函数、频率滤波\n\n- [**week03**](.\u002Fweek03) 自动语音识别 I\n\n  - 讲座：评估指标、数据集、连接时序分类（CTC）、经典模型、束搜索、语言模型\n  - 研讨：音频增强、束搜索\n  - 问答环节：作业讨论、构建高效的深度学习流水线与整洁代码（第二部分）——项目开发\n\n- [**week04**](.\u002Fweek04) 语音识别 II\n\n  - 讲座：LAS、RNN-T、用于 RNN-T 和 LAS 的语言模型\n  - 研讨：混合 RNN-T 和 CTC 模型的训练与推理\n\n- [**week05**](.\u002Fweek05) 客座讲座。语音识别 III 与音频自监督学习\n\n  - 讲座：音频自监督模型、音频大语言模型\n\n- [**week06**](.\u002Fweek06) 声源分离 I\n\n  - 讲座：声源分离与降噪概述、编码器-解码器-分离器架构、Demucs 系列、DCCRN、FullSubNet+、BandSplitRNN\n  - 研讨：评估指标\n\n- [**week07**](.\u002Fweek07) 声源分离 II\n\n  - 讲座：语音分离、盲源分离与目标分离、循环神经网络（TasNet、DPRNN、VoiceFilter）和卷积神经网络（ConvTasNet、SpEx+）\n  - 研讨：维纳滤波器、Sinc 滤波器与 DEMUCS；流式处理与性能指标\n\n- [**week08**](.\u002Fweek08) 视听深度学习\n\n  - 讲座：视听融合、声源分离、语音识别以及自监督模型。Wav2Lip 及联合视听生成（基于扩散模型和大语言模型）。\n  - 问答：项目讨论\n\n- [**week09**](.\u002Fweek09) 文本到语音（TTS）——神经声码器与文本到梅尔谱\n\n  - 讲座：Tacotron、DeepVoice、GST、FastSpeech、AdaSpeech、注意力技巧\n  - 讲座：Hifi-GAN\n  - 研讨：[AudioBot](https:\u002F\u002Fgithub.com\u002FBlinorot\u002FAudioBot)\n\n- [**week10**](.\u002Fweek10) 神经音频编解码器\n\n  - 讲座：核心架构与技术\n  - 研讨：实现一个神经音频编解码器\n\n- [**week11**](.\u002Fweek11) 基于扩散的 TTS\n\n  - 讲座：扩散概念。扩散声码器与扩散声学模型。潜在扩散模型。\n\n- [**week12**](.\u002Fweek12) 语音生物特征 I\n\n  - 讲座：简介。混响。用于检测录音与合成语音的 CM 模型（LCNN、RawNet2、AASIST）。GNN\n  - 研讨：ASVspoof、Sinc 层、GNN\n\n- [**week13**](.\u002Fweek13) XAI 与语音生物特征 II\n\n  - 讲座 1：可解释人工智能（XAI），核心方法、XAI 评估与挑战、针对深度伪造的 XAI\n  - 讲座 2：ASV 系统。SASV 系统。流式处理\n\n\u003C!--\n- [**week14**](.\u002Fweek14) 音乐人工智能\n\n  - 讲座：任务概述、音乐信息检索、音乐生成\n\n-->\n\n# 作业与项目\n\n- [**HW_ASR**](.\u002Fhw1_asr) 训练语音识别模型\n- [**Project_AVSS**](.\u002Fproject_avss) 训练视听语音分离模型\n- [**HW_NV**](.\u002Fhw3_nv) 实现 TTS 模型（神经声码器）\n\u003C!--\n  -->\n\n请参考我们的 [项目模板](https:\u002F\u002Fgithub.com\u002FBlinorot\u002Fpytorch_project_template)。\n\n# 资源\n\n- [YouTube 上的讲座录像（俄语）](https:\u002F\u002Fyoutube.com\u002Fplaylist?list=PLYG3WHDP5CWXhMe2bi9vsWoChOD-ScB04)\n\n部分周次有英文录像，请查看相应的子目录。\n\n# 贡献者及课程团队\n\n课程材料与教学工作由以下人员在不同年份负责：\n\n- [Maxim Kaledin](https:\u002F\u002Ft.me\u002FXuMuK_MK)\n- [Petr Grinberg](https:\u002F\u002Ft.me\u002FBlinorot)\n- [Grigory Fedorov](https:\u002F\u002Ft.me\u002Ffedorovgv)\n- [Aibek Alanov](https:\u002F\u002Ft.me\u002Faibrain)\n- [Assel Yermekova](https:\u002F\u002Ft.me\u002FAllessyer)\n- [Georgiy Pistsov](https:\u002F\u002Ft.me\u002FGoshaNice)\n- [Alexander Markovich（曾任）](https:\u002F\u002Ft.me\u002Fmarkovka17)\n- [Daniil Ivanov（曾任）](https:\u002F\u002Ft.me\u002Fthe_longest_id_in_the_world)\n- [Ilya Lewin（曾任）](https:\u002F\u002Ft.me\u002Flevensons)\n- [Timofey Smirnov（曾任）](https:\u002F\u002Ft.me\u002Ftimothyxp)\n- [Alexander Mamaev（曾任）](https:\u002F\u002Ft.me\u002Falxmamaev)\n\n# 往期版本\n\n- [2024](https:\u002F\u002Fgithub.com\u002Fmarkovka17\u002Fdla\u002Ftree\u002F2024)\n- [2023](https:\u002F\u002Fgithub.com\u002Fmarkovka17\u002Fdla\u002Ftree\u002F2023)\n- [2022](https:\u002F\u002Fgithub.com\u002Fmarkovka17\u002Fdla\u002Ftree\u002F2022)\n- [2021](https:\u002F\u002Fgithub.com\u002Fmarkovka17\u002Fdla\u002Ftree\u002F2021)\n- [2020](https:\u002F\u002Fgithub.com\u002Fmarkovka17\u002Fdla\u002Ftree\u002F2020)","# DLA (Deep Learning for Audio) 快速上手指南\n\nDLA 是高等经济学院（HSE）开设的音频深度学习课程开源项目，涵盖从数字信号处理、自动语音识别 (ASR)、音源分离到文本转语音 (TTS) 等核心内容。本指南帮助开发者快速搭建环境并开始学习。\n\n## 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n\n*   **操作系统**: Linux (推荐 Ubuntu 20.04+) 或 macOS。Windows 用户建议使用 WSL2。\n*   **Python 版本**: Python 3.8 或更高版本 (推荐 3.9\u002F3.10)。\n*   **GPU**: 推荐使用 NVIDIA GPU 以加速模型训练（需安装对应的 CUDA 驱动）。\n*   **前置知识**: 熟悉 Python 编程及 PyTorch 基础。\n\n**建议依赖管理**:\n推荐使用 `conda` 或 `venv` 创建独立的虚拟环境，避免依赖冲突。\n\n## 安装步骤\n\n### 1. 克隆项目仓库\n首先将代码库克隆到本地：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fmarkovka17\u002Fdla.git\ncd dla\n```\n\n### 2. 创建虚拟环境\n使用 Conda 创建环境（推荐）：\n\n```bash\nconda create -n dla python=3.9\nconda activate dla\n```\n\n或者使用 venv：\n\n```bash\npython -m venv venv\nsource venv\u002Fbin\u002Factivate  # Windows: venv\\Scripts\\activate\n```\n\n### 3. 安装依赖\n根据每周课程的具体需求，依赖可能略有不同。通常根目录或各 `week*` 文件夹下会有 `requirements.txt`。\n\n安装基础通用依赖（如果根目录存在）：\n```bash\npip install -r requirements.txt\n```\n\n若特定周次（如 `week01`）有独立依赖，请进入对应文件夹安装：\n```bash\ncd week01\npip install -r requirements.txt\n```\n\n> **提示**: 国内用户可使用清华源加速安装：\n> ```bash\n> pip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n> ```\n\n### 4. 验证 PyTorch 安装\n本课程重度依赖 PyTorch，请确保已正确安装支持 CUDA 的版本：\n```bash\npython -c \"import torch; print(torch.__version__); print(torch.cuda.is_available())\"\n```\n\n## 基本使用\n\n本课程以“周”为单位组织，每个 `week*` 文件夹包含讲座笔记、研讨会代码和作业。\n\n### 示例：开始第一周学习 (Introduction)\n\n1.  **进入第一周目录**：\n    ```bash\n    cd week01\n    ```\n\n2.  **查看自学材料**：\n    阅读该目录下的 `README.md` 获取具体指令。通常包含 PyTorch 入门练习。\n\n3.  **运行研讨会代码示例**：\n    假设该周研讨会涉及使用 `Hydra` 配置实验（参考大纲），典型的运行方式如下：\n    ```bash\n    # 示例：运行一个简单的实验脚本\n    python train.py hydra.run.dir=outputs\u002Fmy_first_run model.lr=0.001\n    ```\n\n### 示例：完成第一个作业 (ASR)\n\n1.  **进入作业目录**：\n    ```bash\n    cd hw1_asr\n    ```\n\n2.  **准备数据**：\n    按照目录内 `README.md` 的指示下载数据集（如 LibriSpeech）。\n\n3.  **训练模型**：\n    执行训练脚本（具体命令请参考作业说明）：\n    ```bash\n    python train_asr.py --config config.yaml\n    ```\n\n### 获取讲座视频\n部分讲座提供录像，可在 YouTube 播放列表观看（主要为俄语，部分含英语）：\n*   [YouTube 播放列表](https:\u002F\u002Fyoutube.com\u002Fplaylist?list=PLYG3WHDP5CWXhMe2bi9vsWoChOD-ScB04)\n\n---\n**下一步**: 浏览 `Syllabus` 章节，选择您感兴趣的专题（如 TTS、音源分离或语音生物特征识别）进入对应的 `week*` 文件夹深入实践。","某高校语音实验室的研究团队正致力于开发一套高精度的自动语音识别（ASR）系统，用于处理带有背景噪音的真实会议录音数据。\n\n### 没有 dla 时\n- **环境搭建混乱**：团队成员各自为战，缺乏统一的实验追踪机制和代码规范，导致模型复现困难，大量时间浪费在调试基础管道而非算法优化上。\n- **信号处理门槛高**：新手研究员需从零摸索傅里叶变换、梅尔频谱图等数字信号处理（DSP）原理，难以快速将理论转化为有效的音频特征提取代码。\n- **模型选型盲目**：面对 CTC、RNN-T、LAS 等多种架构及波束搜索策略，缺乏系统的对比实验指导，往往凭感觉选择模型，训练效率低下且效果不佳。\n- **前沿技术脱节**：团队难以及时获取关于音频自监督学习（Audio SSL）或扩散模型生成语音等最新进展，导致技术方案滞后于学术界主流水平。\n\n### 使用 dla 后\n- **工程流程标准化**：依托 dla 提供的周度研讨材料，团队迅速建立了基于 Hydra 和 Git 的标准化深度学习流水线，实现了实验结果的自动追踪与代码的整洁管理。\n- **理论与实践打通**：利用 dla 中关于 DSP 的实战案例，研究人员快速掌握了频谱图创建与频率滤波技巧，显著提升了音频预处理的质量与效率。\n- **架构演进有章法**：参考 dla 课程中从经典模型到混合 RNN-T 的系统讲解，团队有序完成了模型迭代，并通过标准的评估指标精准定位性能瓶颈。\n- **紧跟学术前沿**：通过引入 dla 关于音频大模型、神经声码器及可解释性 AI 的最新讲座内容，团队成功集成了先进的去噪与合成技术，大幅增强了系统鲁棒性。\n\ndla 不仅是一套课程资料，更是连接音频信号处理理论与工业级深度学习落地的加速器，帮助团队将研发周期缩短了数周。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmarkovka17_dla_a481a26b.jpg","markovka17","Alexander Markovich","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fmarkovka17_1d3916b4.jpg","Deep Learning Engineer, Alumni of YSDA&HSE",null,"https:\u002F\u002Fgithub.com\u002Fmarkovka17",[22],{"name":23,"color":24,"percentage":25},"Jupyter Notebook","#DA5B0B",100,740,119,"2026-04-03T21:32:28","MIT",3,"未说明",{"notes":33,"python":31,"dependencies":34},"这是一个深度学习音频课程的教学资料库，而非单一的可执行软件工具。内容涵盖语音识别、源分离、TTS 等主题。具体运行环境需求取决于各周作业（如训练 ASR 模型、神经声码器等）所使用的具体模型架构，建议参考各周文件夹内的详细说明或项目模板仓库。部分讲座录音为俄语。",[35,36],"PyTorch","Hydra",[38,39],"开发框架","音频",[41,42,43,44,45,46,47],"deep-learning","speech-recognition","tts","signal-processing","voice-conversion","keyword-spotting","speaker-verification",2,"ready","2026-03-27T02:49:30.150509","2026-04-06T05:36:47.133725",[53],{"id":54,"question_zh":55,"answer_zh":56,"source_url":57},16110,"讲座视频何时发布？","我们计划在新学年（2021 年 9 月）开始发布新的英文讲座视频。在此之前，您可以参考 2020 年的讲座视频资源。","https:\u002F\u002Fgithub.com\u002Fmarkovka17\u002Fdla\u002Fissues\u002F3",[],[60,70,79,87,95,107],{"id":61,"name":62,"github_repo":63,"description_zh":64,"stars":65,"difficulty_score":30,"last_commit_at":66,"category_tags":67,"status":49},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-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。\n\n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。",162132,"2026-04-05T11:01:52",[38,68,69],"图像","Agent",{"id":71,"name":72,"github_repo":73,"description_zh":74,"stars":75,"difficulty_score":48,"last_commit_at":76,"category_tags":77,"status":49},1381,"everything-claude-code","affaan-m\u002Feverything-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。\n\n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。\n\n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",138956,"2026-04-05T11:33:21",[38,69,78],"语言模型",{"id":80,"name":81,"github_repo":82,"description_zh":83,"stars":84,"difficulty_score":48,"last_commit_at":85,"category_tags":86,"status":49},2271,"ComfyUI","Comfy-Org\u002FComfyUI","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。\n\n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。\n\n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。",107662,"2026-04-03T11:11:01",[38,68,69],{"id":88,"name":89,"github_repo":90,"description_zh":91,"stars":92,"difficulty_score":48,"last_commit_at":93,"category_tags":94,"status":49},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","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。\n\n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。\n\nNextChat 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。",87618,"2026-04-05T07:20:52",[38,78],{"id":96,"name":97,"github_repo":98,"description_zh":99,"stars":100,"difficulty_score":48,"last_commit_at":101,"category_tags":102,"status":49},2268,"ML-For-Beginners","microsoft\u002FML-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。\n\n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。",84991,"2026-04-05T10:45:23",[68,103,104,105,69,106,78,38,39],"数据工具","视频","插件","其他",{"id":108,"name":109,"github_repo":110,"description_zh":111,"stars":112,"difficulty_score":30,"last_commit_at":113,"category_tags":114,"status":49},3128,"ragflow","infiniflow\u002Fragflow","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。\n\n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。\n\n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。",77062,"2026-04-04T04:44:48",[69,68,38,78,106]]