Awesome GitHub RepositoriesSelective Text Processors

Markdown Here is a browser extension that enables rich text composition within web-based editors that lack native formatting support. By transforming plain text markdown syntax into rendered HTML, it allows users to draft professional emails and documents using standard markup, including headers, tables, and footnotes, directly inside their browser. The tool distinguishes itself through a bidirectional transformation engine that supports both the conversion of markdown to HTML and the reversion of rendered content back into its original source code. This state-preserving functionality allows

TextMate is a programmable text editor designed for software development and project management. It functions as a highly customizable environment where users can define language-specific behaviors, syntax highlighting rules, and automated workflows to suit their individual development needs. The editor distinguishes itself through a modular, bundle-based extensibility model that allows for deep integration with system shell commands. By piping document buffers through external scripts and command-line tools, users can perform complex text transformations, automate file lifecycle tasks, and b

Harper is a local English linter and grammar checker designed as an IDE writing assistant. It operates as a language server that provides real-time spelling and grammar analysis for markdown and code comments, processing all linguistic data on the local device to ensure privacy and eliminate cloud dependencies. The tool is specialized for technical documentation, featuring the ability to identify and ignore text within code fences and inline blocks to prevent false positives. It allows for personalized configuration through custom dictionaries and the use of suppression comments to exclude sp

chatGPTBox is a browser extension that integrates large language model chat interfaces and AI tools directly into the web browsing experience. It functions as an AI productivity toolkit and API client, allowing users to access AI assistants via a floating chat interface without leaving their active webpage. The project distinguishes itself by offering context-aware assistance and website-specific adaptations based on the current URL. It further enhances the browsing experience by displaying AI-generated responses alongside standard search engine results and providing a system to route chat re

Read Frog is an AI-powered immersive translation browser extension that functions as a bilingual reading assistant and text explanation tool. It connects to over 20 AI providers, including OpenAI and Anthropic, with configurable endpoints, API keys, and model settings, enabling translation and explanation of web content directly in the browser. The extension distinguishes itself through several integrated capabilities. It translates webpage content by placing translations directly next to the original text for side-by-side comparison, and can process content from PDFs, videos, and comics. It

Obsidian Copilot is an AI assistant plugin for Obsidian that brings conversational AI directly into your note-taking vault. It allows you to chat with multiple large language models, create and execute custom prompts, and edit notes through natural conversation, all without leaving your workspace. The plugin distinguishes itself by offering complete model flexibility, supporting OpenAI, Anthropic, Google, local, and self-hosted models with no vendor lock-in. It stores all chat history, system prompts, and custom commands as plain Markdown files in your vault, ensuring full data ownership and

Acest proiect este o fișă de referință pentru știința datelor și un ghid de studiu pentru machine learning. Oferă o colecție curatoriată de formule, definiții și rezumate ale modelelor concepute pentru căutare rapidă în timpul dezvoltării proiectelor și pregătirii interviurilor tehnice. Resursa este livrată ca o resursă educațională PDF statică. Organizează framework-uri tehnice complexe și concepte teoretice de machine learning într-un document portabil, cu layout fix, pentru a asigura o prezentare vizuală consistentă pe diferite dispozitive. Conținutul acoperă referințe la concepte de machine learning și sinteza cunoștințelor de știința datelor, adaptate special pentru revizuirea examenelor și sinteza framework-urilor teoretice.

React Email Editor is a drag-and-drop visual builder for creating responsive email templates, built as a React embeddable component. It also serves as an AI-powered email designer, a collaborative email design tool, and a React component library for composing emails programmatically with JSX. The editor represents designs as structured JSON and supports multi-format rendering for email clients, web pages, and PDF. What distinguishes this editor is its deep AI integration: users can generate full email templates from natural language, rewrite text with chosen intent, produce multiple text vari

Fengshenbang-LM este un ecosistem de modele de limbaj chinezesc și un framework de pre-antrenare conceput pentru dezvoltarea și reglarea fină (fine-tuning) a modelelor de limbaj mari cu miliarde de parametri. Servește drept pipeline de procesare a limbajului natural și platformă AI cross-modal capabilă să genereze conținut pe diferite modalități, inclusiv generarea text-la-imagine și predicția structurii proteinelor. Proiectul oferă un adaptor de model specific domeniului pentru aplicarea modelelor pre-antrenate în industrii specializate precum sănătatea, finanțele și dreptul. Utilizează un sistem de configurare distribuit și sharding-ul datelor pentru a gestiona antrenarea modelelor la scară largă pe mai multe noduri de calcul. Framework-ul acoperă o gamă largă de capabilități, inclusiv procesarea limbajului natural în chineză, transformarea automată a textului și generarea de conținut multimodal. Suportă, de asemenea, sarcini generale de limbaj, cum ar fi traducerea, programarea și clasificarea textului. Fluxurile de lucru pentru predicția downstream și reglarea fină sunt gestionate și executate printr-o interfață de linie de comandă.

VoiceInk is a system-wide speech-to-text dictation tool that converts spoken audio into text using local or cloud AI models. It functions as a local AI transcription engine and a context-aware voice assistant, allowing users to insert transcribed text directly into any active application on the operating system. The project distinguishes itself through the use of custom vocabulary management, which trains transcription engines to recognize industry-specific technical terms, professional terminology, and personal names. It further enhances output by using large language models to refine raw tr

Local-File-Organizer is a local-first file classification system that uses on-device machine learning models to categorize documents and media into structured directories. It functions as an automated file classifier and asset manager that leverages local inference to sort files based on content, meaning, and metadata. The project emphasizes privacy by performing all data processing and analysis on the local device, eliminating the need to send sensitive files to external cloud services. It utilizes local models to analyze text and image content to generate descriptive filenames and thematic

Scramble is an artificial intelligence-powered browser extension designed to assist with text processing, editing, and writing directly within web pages. It functions as a text editor that allows users to highlight content on any webpage and transform it through summarization, correction, or rewriting. The tool distinguishes itself by providing a provider-agnostic abstraction layer, enabling users to connect to various local or cloud-based language models by configuring their own authentication keys and endpoints. It supports custom prompt engineering, allowing users to define and save person

Contextualized topic modeling este un framework care integrează arhitecturi de deep learning cu distribuții statistice de frecvență a cuvintelor pentru a extrage teme coerente din colecții mari de documente. Combinând embedding-urile pre-antrenate bazate pe transformatoare cu inferența variațională, sistemul identifică tipare ascunse în text, menținând în același timp interpretabilitatea modelelor generative tradiționale. Biblioteca se distinge prin maparea diverselor limbaje într-un spațiu semantic partajat, permițând descoperirea și clasificarea subiectelor în seturi de date multilingve fără a necesita date de antrenare specifice limbajului. De asemenea, suportă modelarea tematică supervizată, permițând utilizatorilor să încorporeze etichete de categorie cunoscute sau feedback uman în timpul procesului de antrenare pentru a direcționa spațiul latent către rezultate specifice. Toolkit-ul oferă o suită cuprinzătoare de utilitare pentru pregătirea datelor în limbaj natural, inclusiv curățarea textului și transformarea corpusurilor în formate duale potrivite atât pentru reprezentări vectoriale dense, cât și pentru analiza frecvenței rare. Aceste capabilități susțin o gamă de abordări, inclusiv descoperirea zero-shot și fluxuri de lucru iterative de clasificare human-in-the-loop.