根据Github Trendings的统计，今日(2024-02-20统计)共有10个项目上榜。根据开发语言中项目的数量，汇总情况如下：
| 开发语言 | 项目数量 |
|---|---|
| Python项目 | 6 |
| 非开发语言项目 | 2 |
| TypeScript项目 | 1 |
| Rust项目 | 1 |
命令行的艺术
- 创建周期：3198 天
- Star数量：144791 个
- Fork数量：14212 次
- 关注人数：144791 人
- 贡献人数：151 人
- Open Issues数量：225 个
- Github地址：https://github.com/jlevy/the-art-of-command-line.git
命令行的艺术是一本综合指南，提供了关于使用命令行的笔记和技巧，涵盖了基础知识、日常使用、处理文件和数据、系统调试、一行命令、晦涩但有用的命令以及特定平台的技巧。它强调工程师在命令行上的流利程度对灵活性和生产力的重要性，并欢迎社区的贡献和修订。
稳定扩散Web UI
- 创建周期：526 天
- 开发语言：Python
- 协议类型：GNU Affero General Public License v3.0
- Star数量：119358 个
- Fork数量：23783 次
- 关注人数：119358 人
- 贡献人数：430 人
- Open Issues数量：1833 个
- Github地址：https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
稳定扩散Web UI是基于Gradio库的浏览器界面，用于稳定扩散。
《Hello 算法》：动画图解、一键运行的数据结构与算法教程
- 创建周期：439 天
- 协议类型：Other
- Star数量：59897 个
- Fork数量：7318 次
- 关注人数：59897 人
- 贡献人数：132 人
- Open Issues数量：18 个
- Github地址：https://github.com/krahets/hello-algo.git
- 项目首页: https://hello-algo.com
《Hello 算法》是一本开源的数据结构与算法教程，采用动画图解和支持多种编程语言，旨在帮助新手轻松入门。读者可以通过一键运行的源代码进行练习，同时享受互助学习的机会。
跨平台ChatGPT/Gemini UI
- 创建周期：347 天
- 开发语言：TypeScript
- 协议类型：MIT License
- Star数量：60923 个
- Fork数量：52325 次
- 关注人数：60923 人
- 贡献人数：160 人
- Open Issues数量：198 个
- Github地址：https://github.com/ChatGPTNextWeb/ChatGPT-Next-Web.git
- 项目首页: https://app.nextchat.dev/
一个跨平台的 ChatGPT/Gemini UI，允许用户轻松部署自己的聊天应用程序，具有紧凑的客户端、与自部署的LLMs兼容、注重隐私的数据存储、Markdown支持、响应式设计和国际化等功能。
少样本语音克隆的高质量TTS模型训练
- 创建周期：5 天
- 开发语言：Python
- 协议类型：MIT License
- Star数量：1779 个
- Fork数量：180 次
- 关注人数：1779 人
- 贡献人数：11 人
- Open Issues数量：32 个
- Github地址：https://github.com/RVC-Boss/GPT-SoVITS.git
该项目展示了如何使用仅1分钟的语音数据来训练高质量的文本到语音（TTS）模型，展示了少样本语音克隆。在提供的GitHub链接中有演示视频。
Magika: 深度学习文件类型检测工具
- 创建周期：181 天
- 开发语言：Python
- 协议类型：Apache License 2.0
- Star数量：2812 个
- Fork数量：126 次
- 关注人数：2812 人
- 贡献人数：5 人
- Open Issues数量：38 个
- Github地址：https://github.com/google/magika.git
- 项目首页: https://google.github.io/magika/
Magika是一种AI驱动的文件类型检测工具，利用深度学习准确检测文件类型。它采用自定义的、高度优化的Keras模型，可以在毫秒内精确识别文件。在超过100万个文件和100种内容类型的评估中，它实现了超过99%的精度和召回率，并且被Google大规模使用以提高用户安全性。
minbpe：LLM标记的字节对编码算法
- 创建周期：4 天
- 开发语言：Python
- 协议类型：MIT License
- Star数量：4034 个
- Fork数量：248 次
- 关注人数：4034 人
- 贡献人数：6 人
- Open Issues数量：4 个
- Github地址：https://github.com/karpathy/minbpe.git
项目'minbpe'提供了常用于LLM标记的字节对编码（BPE）算法的最小清晰代码。它包括两个标记器'BasicTokenizer'和'RegexTokenizer'，以及一个'RegexTokenizer'，它复制了GPT-4的标记化。该项目还包括一个脚本'train.py'，用于在输入文本上训练标记器并将词汇保存到磁盘以进行可视化。
大世界模型（LWM）
- 创建周期：10 天
- 开发语言：Python
- 协议类型：Apache License 2.0
- Star数量：1282 个
- Fork数量：68 次
- 关注人数：1282 人
- 贡献人数：3 人
- Open Issues数量：14 个
- Github地址：https://github.com/LargeWorldModel/LWM.git
Large World Model (LWM) 是一个通用的大上下文多模态自回归模型。它是使用RingAttention在大量多样化的长视频和书籍数据集上训练的，可以进行语言、图像和视频的理解和生成。
具有Transformer的可扩展扩散模型（DiT）的官方PyTorch实现
- 创建周期：431 天
- 开发语言：Python
- 协议类型：Other
- Star数量：2682 个
- Fork数量：210 次
- 关注人数：2682 人
- 贡献人数：3 人
- Open Issues数量：34 个
- Github地址：https://github.com/facebookresearch/DiT.git
官方PyTorch实现的"具有Transformer的可扩展扩散模型"称为DiT。
zkSync Era: 以太坊的零知识证明扩展
- 创建周期：367 天
- 开发语言：Rust
- 协议类型：Apache License 2.0
- Star数量：1722 个
- Fork数量：1347 次
- 关注人数：1722 人
- 贡献人数：100 人
- Open Issues数量：75 个
- Github地址：https://github.com/matter-labs/zksync-era.git
zkSync Era是一个使用零知识证明来扩展以太坊的Layer 2 Rollup，旨在在不损害安全性或去中心化的情况下扩展以太坊。它兼容EVM，允许99%的以太坊项目在不重构或重新审计的情况下进行重新部署。zkSync Era还使用基于LLVM的编译器，最终将允许开发人员使用C++、Rust等流行语言编写智能合约。