#low-latency-inference Repositorios
Descubre 14 repositorios activos de código abierto de GitHub etiquetados con #low-latency-inference, que acumulan 56,906 estrellas en total (una media de 4,064 estrellas por proyecto). El líder de este tema es alievk/avatarify-python, con 16,551 estrellas.
14 repositorios en total
Moshi es un modelo de base de voz a texto y un marco de diálogo hablado full-duplex. Utiliza Mimi, un códec de audio neuronal de transmisión de última generación.
Kimi-Audio, un modelo de fundación de audio de código abierto que se destaca en la comprensión, generación y conversación de audio
Una biblioteca de inferencia rápida para ejecutar LLM localmente en GPU modernas de clase de consumo
Una biblioteca de máquinas de estados finitos y manipulación de expresiones regulares ultrarrápida.
Qwen-Image-Lightning: Acelerar el modelo Qwen-Image con destilación
Formato universal de intercambio y serialización de modelos para bosques de árboles de decisión
Kit de Herramientas de Detección de Palabras Clave de Extremo a Extremo Listo para Producción
Acelera tus Hugging Face Transformers 7.6-9x. Nativo para Hugging Face y PyTorch.
✨✨[NeurIPS 2025] VITA-Audio: Generación Rápida de Tokens Intercalados y Transmodales para un Modelo de Lenguaje de Voz Grande y Eficiente
Preguntas frecuentes
¿Cuál es el repositorio de #low-latency-inference más popular en GitHub?
El proyecto de código abierto de #low-latency-inference mejor posicionado en GitHub es alievk/avatarify-python, con 16,551 estrellas. Avatares para Zoom, Skype y otras aplicaciones de videoconferencia.
¿Qué lenguajes de programación se utilizan más en los repositorios de #low-latency-inference?
Entre los proyectos de #low-latency-inference mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, C++, Cuda.
¿Cómo se calcula la clasificación de los repositorios de #low-latency-inference?
Seguimos 14 repositorios activos de código abierto etiquetados con #low-latency-inference (500+ estrellas), que suman un total de 56,906 estrellas, con una media de 4,064 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.