Awesome GitHub RepositoriesSpeech and Text Processing

This project is a reference implementation and application template for Retrieval-Augmented Generation (RAG). It integrates Azure OpenAI with Azure AI Search to enable conversational chat interfaces that provide grounded responses based on private enterprise data. The system is distinguished by its multimodal AI interface, allowing it to process and reason over combined text, image, and PDF content. It employs a hybrid search architecture that combines vector and keyword retrieval with semantic reranking to prioritize the most relevant documents for prompt augmentation. The project covers a

OpenWhisk is a serverless cloud platform designed for deploying and executing stateless functions in response to API calls or events. It serves as a complete serverless stack, providing an API gateway for functions, a function-as-a-service runtime manager, and an event-driven workflow engine. The platform distinguishes itself through a polyglot execution model that supports multiple language runtimes and allows for the creation of custom runtimes using Docker containers. It enables complex logic through function orchestration and composition, allowing multiple functions to be chained into seq

هذا إطار عمل لتعلم الآلة لمعالجة مهام معالجة اللغات الطبيعية المتنوعة كمشكلة نص إلى نص موحدة. يوفر مجموعة أدوات للتدريب المسبق والضبط الدقيق لنماذج المحولات واسعة النطاق، مستخدماً نظاماً يتم فيه تنسيق كل من المدخلات والمخرجات كسلاسل نصية خام. يتميز إطار العمل بنظام التدريب الموزع الخاص به، والذي يستخدم استراتيجيات قائمة على الشبكة لتوسيع أوزان النموذج ودفعات التدريب عبر أنوية TPU متعددة. يدعم التعلم متعدد المهام من خلال دمج مجموعات بيانات متنوعة في تدفق تدريب واحد باستخدام معدلات خليط قابلة للتكوين، مما يسمح لنموذج واحد بالتعامل مع مهام لغوية مختلفة. يغطي النظام مجموعة واسعة من القدرات بما في ذلك بنيات المشفر-فك التشفير (encoder-decoder)، وفك التشفير بالبحث الشعاعي (beam-search) لتوليد النصوص، وتدفقات عمل التعلم بالنقل. يتضمن أدوات لإعداد مجموعات بيانات NLP، وتقييم أداء النموذج، وتصدير نقاط التحقق المدربة لخدمة الإنتاج. تدعم المكتبة تحميل نقاط تحقق النماذج المدربة مسبقاً بأحجام مختلفة لتسريع التطوير.

هذا المشروع عبارة عن إضافة ترجمة LLM وملحق لأداة الترجمة Bob. يربط التطبيق بنماذج لغوية كبيرة خارجية عبر واجهة برمجة تطبيقات لتوفير ترجمة نصية في الوقت الفعلي، وتصحيح نحوي مؤتمت، وتنقيح المحتوى. تعمل الإضافة كأداة هندسة أوامر (prompt engineering) للذكاء الاصطناعي، مما يسمح بتعريف تعليمات وقوالب نظام مخصصة للتحكم في أسلوب ونبرة وعمق تفكير المخرجات. وتعمل كعميل واجهة برمجة تطبيقات متدفق يعالج استجابات النص التزايدية لعرض نتائج الترجمة في الوقت الفعلي. تغطي إمكانياتها الترجمة بين اللغات، وتنقيح النصوص من أجل الوضوح المهني، وإدارة إعدادات النموذج مثل حدود الرموز (tokens) ومفاتيح التفكير. يتضمن النظام التحقق من الاتصال لضمان إمكانية الوصول إلى مفاتيح واجهة برمجة التطبيقات ونقاط النهاية قبل بدء سير العمل.

This project is a library of structured prompts designed to assist with scholarly research and academic drafting using large language models. It provides a set of instructional templates and frameworks to guide the writing process across various academic stages. The collection includes specialized toolkits for managing academic citations and converting bibliographies between different scholarly styles. It features a research methodology framework for designing study objectives and experimental plans, alongside a dedicated literature review framework for synthesizing themes from academic texts

هذا المشروع عبارة عن مورد تعليمي شامل ودورة تدريبية لبناء الشبكات العصبية باستخدام PyTorch. يغطي اللبنات الأساسية للتعلم العميق، بما في ذلك معالجة الموترات (tensors)، والتمايز التلقائي، وبناء مكونات الشبكة العصبية المعيارية. يعمل المستودع كدليل تقني للعديد من المجالات المتخصصة. يوفر تفاصيل تنفيذ لمهام رؤية الكمبيوتر مثل تصنيف الصور، واكتشاف الكائنات، والتجزئة الدلالية، بالإضافة إلى سير عمل معالجة اللغات الطبيعية التي تتضمن المحولات (transformers)، والشبكات المتكررة، والنماذج التوليدية. بالإضافة إلى ذلك، يتضمن مرجعاً للذكاء الاصطناعي التوليدي، مع التركيز بشكل خاص على تركيب الصور عبر نماذج الانتشار (diffusion models) والشبكات التنافسية. تمتد المادة إلى تحسين النماذج وخطوط أنابيب النشر. تغطي تقنيات لتقليل حجم النموذج وزيادة سرعة الاستنتاج من خلال التكميم (quantization) وتصدير النماذج إلى تنسيقات مثل ONNX وTensorRT. تشمل مجالات القدرة الأخرى هندسة البيانات للتحميل المتوازي، وتقييم النموذج باستخدام مقاييس مخصصة، ونشر نماذج اللغات الكبيرة مفتوحة المصدر. يتم تقديم المشروع بشكل أساسي كسلسلة من دفاتر Jupyter.

Aigcpanel is a visual workflow automation tool and model lifecycle manager designed for generative AI media pipelines. It provides a unified interface to install, launch, and configure both local and remote AI model endpoints, acting as an orchestration platform for large language models and AI tools. The system features a drag-and-drop node editor for chaining AI models and scripts into automated processing pipelines. It distinguishes itself with a breakpoint-aware execution model that allows users to pause and resume long media tasks from specific points in the workflow. Additionally, it in

Kimi-Audio is a large language model audio foundation model designed to understand audio input and generate high-fidelity speech responses in real time. It functions as a unified system encompassing a text-to-speech synthesis engine and a speech-to-text transcription tool. The project enables real-time audio conversations through a multi-modal conversation loop and chunk-wise streaming detokenization to reduce playback latency. It provides controls over speech speed, accent, and emotional tone during conversational audio generation. The system covers audio intelligence capabilities, includin

MikuTools هي مجموعة أدوات ويب متعددة الأغراض ومنصة لتوليد الوسائط المتعددة بالذكاء الاصطناعي. توفر مجموعة من الأدوات خفيفة الوزن القائمة على المتصفح لإنشاء وتحرير الصور والفيديو والصوت باستخدام نماذج ذكاء اصطناعي متنوعة. تتميز المنصة بإمكانيات ترجمة وتحرير المحتوى بالذكاء الاصطناعي المتكاملة، بما في ذلك تبديل الوجوه، وإزالة الخلفية، والارتقاء بالدقة العالية، واستنساخ الصوت. كما تتيح إنشاء أصول رقمية احترافية مثل بطاقات العمل، وتوقيعات البريد الإلكتروني، ولقطات شاشة الكود الأنيقة. تغطي مجموعة الأدوات نطاقاً واسعاً من الأدوات التقنية، بما في ذلك تحويل التنسيق عبر الإنترنت للمستندات والوسائط، وحسابات تكوين الشبكة لنطاقات CIDR و IP، وتحويلات البيانات التقنية لترميز الكود والنص. تشمل القدرات الإضافية حساب التجزئة التشفيرية، وإدارة لوحة الألوان، واسترجاع البيانات العامة.

هذا المشروع عبارة عن إطار عمل للتطبيقات وبيئة تنفيذ تدمج النماذج اللغوية الكبيرة مع تنفيذ النظام المحلي والتحكم في الأجهزة الخارجية. يعمل كمنسق متعدد الوسائط، ينسق نماذج الرؤية، والكلام، ونماذج خبراء المجال ضمن حلقة معالجة واحدة للاستدلال عبر أنواع بيانات متنوعة. يمكن إطار العمل من توليد الكود وتنفيذه بشكل مستقل، مما يسمح للنماذج اللغوية بكتابة وتشغيل برامج Python النصية عبر مترجم كود لأتمتة مهام نظام التشغيل وبرامج المضيف. كما يوسع هذه القدرات إلى البيئات المادية من خلال واجهة أتمتة الأجهزة التي تطلق إجراءات على الهواتف المحمولة وأجهزة الشبكة المحلية. يتضمن النظام أيضاً خطوط أنابيب لتحليل المستندات والوسائط المتعددة المؤتمت. تعالج هذه الأدوات الملفات المحلية لاستخراج النصوص وتحديد المخاطر القانونية في العقود، بالإضافة إلى استخراج الأصوات من ملفات الفيديو لإنتاج نصوص برمجية مصححة لغوياً.

This is a collection of Python automation scripts and utility tools designed to handle repetitive technical tasks, system administration, and developer workflows. The project serves as a suite for task automation, data utility, and web automation. The collection includes specialized tools for multimedia processing, such as optical character recognition for extracting text from images, speech-to-text conversion, and real-time face and human body detection. It also features web scraping and monitoring capabilities to track product prices, fetch external API content, and automate interactions wi

openai-go is an LLM SDK for Go and a client for interacting with OpenAI services. It provides type-safe bindings to generate text, images, and audio via REST endpoints, enabling the integration of large language models and AI assistant orchestration into Go applications. The library serves as an agent orchestration tool for managing stateful conversation threads and autonomous agents with integrated tool calling and file search. It also functions as an asynchronous batch processing client for monitoring large-scale request groups and fine-tuning jobs, alongside a management SDK for controllin

Julius is a high-performance, open-source speech recognition engine designed for large vocabulary continuous speech recognition. It functions as a comprehensive framework utilizing Hidden Markov Model-based acoustic modeling and N-gram language models to convert live or recorded audio into text. The engine is built to support real-time streaming and provides a network-accessible service that allows external applications to manage recognition sessions and receive transcription results through programmatic commands. The engine distinguishes itself through its modular architecture and support fo

يوفر هذا المستودع مجموعة من نماذج التعلم العميق وهياكل الشبكات العصبية المصممة لمهام معالجة اللغات الطبيعية. يعمل كمكتبة لنماذج مدربة مسبقاً مصممة لمعالجة وتحليل وتوليد بيانات اللغة البشرية باستخدام إطار عمل TensorFlow. يستخدم المشروع نمذجة التسلسل إلى التسلسل وهياكل عصبية ذات طبقات للتعامل مع بيانات اللغة ذات الطول المتغير. من خلال استخدام الرسوم البيانية لتدفق البيانات الثابتة والتمثيلات القائمة على الموتر (tensor)، تنفذ النماذج عمليات رياضية لتحويل ميزات الإدخال إلى معانٍ لغوية مجردة. يمكن للمستخدمين تحميل تسلسلات الأوزان المدربة مسبقاً لتهيئة هذه الشبكات لمهام استنتاج محددة. تغطي المجموعة مجموعة واسعة من القدرات، بما في ذلك تصنيف النصوص، وترجمة اللغات، والتعرف على الكيانات المسماة. كما تدعم تحويل الكلام إلى نص، وتوليف النص إلى كلام، وتلخيص المستندات، وتوليد محتوى نصي حواري أو أصلي. بالإضافة إلى ذلك، يتضمن المستودع أدوات لتحليل الهياكل النحوية وتصور أوزان الانتباه لتفسير أنماط اتخاذ القرار في النموذج.