Seedance 2.0 ลด 15% | สร้างใน Video Generator →

WaveSpeed AI โอเพนซอร์ส

สำรวจโปรเจกต์โอเพนซอร์สของเราและร่วมสร้างอนาคตของ AI ตั้งแต่กลไก attention ประสิทธิภาพสูงไปจนถึงเฟรมเวิร์กการปรับใช้แบบ serverless

7
โปรเจกต์โอเพนซอร์ส
1.2K+
ดาว GitHub
300+
Forks

waverless

โดย WaveSpeedAI

ดูบน GitHub

เฟรมเวิร์กการปรับใช้แบบ serverless สำหรับโมเดล WaveSpeed AI ที่ช่วยให้การประมวลผล AI สามารถขยายขนาดและประหยัดค่าใช้จ่ายได้

คุณสมบัติหลัก:

  • สถาปัตยกรรม serverless
  • ความสามารถในการ auto-scaling
  • โมเดลราคาแบบ pay-per-use
  • การปรับใช้และการจัดการที่ง่าย

เป้าหมายโปรเจกต์:

ทำให้การปรับใช้โมเดล AI เป็นเรื่องง่ายและประหยัดค่าใช้จ่ายผ่านโครงสร้างพื้นฐานแบบ serverless ลดภาระการดำเนินงาน

Serverlessการปรับใช้โครงสร้างพื้นฐาน

ParaAttention

โดย chengzeyi

ดูบน GitHub

การติดตั้งกลไก attention แบบขนานประสิทธิภาพสูงสำหรับโมเดล AI ขนาดใหญ่

คุณสมบัติหลัก:

  • การคำนวณ attention ที่ปรับแต่งสำหรับโมเดล transformer
  • ความสามารถในการประมวลผลแบบขนานเพื่อการประมวลผลที่เร็วขึ้น
  • การติดตั้งที่มีประสิทธิภาพในการใช้หน่วยความจำ
  • เข้ากันได้กับเฟรมเวิร์ก deep learning ยอดนิยม

เป้าหมายโปรเจกต์:

เร่งกลไก attention ในโมเดลภาษาขนาดใหญ่และ vision transformer ทำให้การฝึกฝนและการประมวลผลรวดเร็วยิ่งขึ้น

AttentionประสิทธิภาพDeep Learning

wavespeed-desktop

โดย WaveSpeedAI

ดูบน GitHub

แอปพลิเคชันเดสก์ท็อปข้ามแพลตฟอร์มสำหรับ WaveSpeed AI นำความสามารถของ AI มาสู่เครื่องของคุณ

คุณสมบัติหลัก:

  • รองรับข้ามแพลตฟอร์ม (Windows, macOS, Linux)
  • การประมวลผลโมเดลแบบโลคอลและคลาวด์
  • อินเทอร์เฟซผู้ใช้ที่ใช้งานง่าย
  • ความสามารถในการใช้งานแบบออฟไลน์

เป้าหมายโปรเจกต์:

มอบประสบการณ์เดสก์ท็อปอันทรงพลังที่ผสมผสานความสะดวกของการประมวลผลแบบโลคอลกับความสามารถในการขยายขนาดของการประมวลผลแบบคลาวด์

แอปเดสก์ท็อปข้ามแพลตฟอร์มUI

wavespeed-python

โดย WaveSpeedAI

ดูบน GitHub

Python SDK ทางการสำหรับ WaveSpeed AI ที่ให้การเข้าถึงโมเดลและบริการ AI ของเราได้อย่างง่ายดาย

คุณสมบัติหลัก:

  • ครอบคลุม API อย่างครบถ้วน
  • การติดตั้งที่ปลอดภัยด้านชนิดข้อมูล
  • รองรับ async/await
  • เอกสารและตัวอย่างที่ละเอียด

เป้าหมายโปรเจกต์:

เสริมศักยภาพให้นักพัฒนา Python ด้วย SDK ที่แข็งแกร่งและใช้งานง่ายเพื่อผสานรวม WaveSpeed AI เข้ากับแอปพลิเคชันของพวกเขา

PythonSDKAPI

Comfy-WaveSpeed

โดย chengzeyi

ดูบน GitHub

การผสานรวม WaveSpeed AI สำหรับ ComfyUI นำโมเดล AI อันทรงพลังมาสู่เวิร์กโฟลว์ของ ComfyUI

คุณสมบัติหลัก:

  • การผสานรวมกับ ComfyUI ที่ราบรื่น
  • เข้าถึงโมเดล WaveSpeed AI
  • โหนดที่กำหนดเองสำหรับการสร้างภาพและวิดีโอ
  • ส่วนประกอบเวิร์กโฟลว์ที่ใช้งานง่าย

เป้าหมายโปรเจกต์:

เชื่อมต่อโมเดลอันทรงพลังของ WaveSpeed AI กับอินเทอร์เฟซเวิร์กโฟลว์ที่ใช้งานง่ายของ ComfyUI ทำให้ AI ขั้นสูงเข้าถึงได้สำหรับครีเอเตอร์

ComfyUIการผสานรวมการสร้างภาพ

wavespeed-comfyui

โดย WaveSpeedAI

ดูบน GitHub

โหนดและส่วนขยาย WaveSpeed AI ทางการสำหรับ ComfyUI ที่ให้การรองรับโมเดล AI ของเราโดยตรง

คุณสมบัติหลัก:

  • การรองรับโมเดล WaveSpeed AI โดยตรง
  • โหนดประมวลผลที่ปรับแต่งแล้ว
  • ความสามารถในการประมวลผลแบบ batch
  • การควบคุมพารามิเตอร์ขั้นสูง

เป้าหมายโปรเจกต์:

มอบประสบการณ์ ComfyUI ที่ดีที่สุดในระดับเดียวกันด้วยโมเดล WaveSpeed AI ปรับแต่งเพื่อประสิทธิภาพและความง่ายในการใช้งาน

ComfyUIทางการโมเดล

agent-mcp-lab

โดย WaveSpeedAI

ดูบน GitHub

ห้องทดลองทดลองสำหรับการพัฒนาและทดสอบ Multi-Agent Communication Protocol (MCP)

คุณสมบัติหลัก:

  • เฟรมเวิร์กการสื่อสารแบบ multi-agent
  • สภาพแวดล้อมการทดสอบโปรโตคอล
  • การจำลองพฤติกรรมของ agent
  • สถาปัตยกรรม agent ที่ขยายได้

เป้าหมายโปรเจกต์:

วิจัยและพัฒนาโปรโตคอลการสื่อสาร multi-agent ที่แข็งแกร่ง ซึ่งช่วยให้ AI agent สามารถทำงานร่วมกันอย่างมีประสิทธิภาพในงานที่ซับซ้อน

Multi-AgentMCPการวิจัย
cta