AI开源项目

综合介绍 Riona-AI-Agent是一个创新的AI驱动自动化工具，专门设计用于管理和优化各大社交媒体平台的运营。该项目利用先进的AI模型，为Instagram、Twitter和GitHub等平台提...

综合介绍 Awesome-Dify-Workflow 是一个开源的 GitHub 项目，专注于分享实用的 Dify 工作流程模板。Dify 是一个支持开发大语言模型应用的工作流平台，而这个项目为用户提...

综合介绍 sherpa-onnx 是由 Next-gen Kaldi 团队开发的一个开源项目，旨在提供高效的离线语音识别和语音合成解决方案。它支持多种平台，包括 Android、iOS、Raspber...

综合介绍 Serena 是 Oraios AI 团队开发的一款免费开源编程工具，托管在 GitHub 上。它是一个强大的代码助手，可以直接在你的代码库中工作，帮助开发者分析、编辑和执行代码。Seren...

综合介绍 CosyVoice是一个多语言大规模语音生成模型，提供从推理、训练到部署的全栈能力。该项目由FunAudioLLM团队开发，旨在通过先进的自回归变换器和基于ODE的扩散模型，实现高质量的语音...

综合介绍 Archon 是由开发者 Cole Medin（GitHub 用户名 coleam00）打造的全球首个“Agenteer”项目——一个专注于自主构建、优化和迭代 AI 智能体的开源框架。它既...

综合介绍 小智 AI 聊天机器人是一个基于ESP32开发板的开源项目，旨在帮助用户构建自己的AI聊天伴侣。该项目由虾哥开发，主要用于教学目的，帮助更多人入门AI硬件开发，并了解如何将大语言模型应用到实...

综合介绍 OpenVoice 是一个多功能的即时语音克隆方法，仅需使用参考说话者的短音频片段，即可复制其声音并生成多语言的语音。除了复制音色外，OpenVoice 还允许精细控制语音风格，包括情感...

综合介绍 gibberlink 是一个由开发者 PennyroyalTea 在 GitHub 上开源的项目，专注于实现两个对话型 AI 智能体之间的通信优化。当两个 AI 智能体通过电话交谈并识别出彼...

综合介绍 Cherry Studio 是一款支持多种大语言模型（LLM）服务的桌面客户端，兼容 Windows、Mac 和 Linux 系统。它提供了丰富的个性化选项和领先的功能设计，帮助用户在多种场...

综合介绍 PocketPal AI 是一款开源的移动应用，旨在将小型语言模型（Small Language Models, SLMs）直接引入到你的手机中，无论是iOS还是Android用户都可以使用...

综合介绍 IOPaint是一款免费且开源的AI图像处理工具，支持图像擦除、修复和扩展等功能。它采用最先进的AI模型，能够帮助用户轻松移除图像中的不需要对象、修复瑕疵、添加新内容，甚至扩大图像。IOPa...

综合介绍 LatentSync 是字节跳动（ByteDance）开发的一个开源工具，托管在 GitHub 上。它通过音频直接驱动视频中人物的唇部动作，让嘴型与声音精准匹配。项目基于 Stable Di...

综合介绍 VisoMaster 是一款强大且易用的视频换脸和编辑工具，利用人工智能技术实现自然逼真的换脸效果。无论是图像还是视频，VisoMaster 都能通过简单的操作生成高质量的换脸结果，适合普通...

综合介绍 Kokoro-FastAPI是一个基于Docker的FastAPI封装，旨在为Kokoro-82M文本转语音模型提供支持。该项目支持NVIDIA GPU加速，并提供了队列处理和自动拼接功能...

综合介绍 Paperless-AI 是一个创新的文档自动化分析工具，专门为 Paperless-ngx 文档管理系统设计。它巧妙地结合了 OpenAI API 和 Ollama 等多种先进的人工智能模...

综合介绍 Exo是一个开源项目，旨在利用日常设备（如iPhone、iPad、Android、Mac、Linux等）运行自己的AI集群。通过动态模型分区和自动设备发现，Exo能够将多个设备统一成一个强大...

综合介绍 MinerU是由上海人工智能实验室OpenDataLab团队开发的一款开源数据提取工具，专注于从复杂的PDF文档、网页和电子书中高效提取内容。它能够将包含图片、公式、表格等元素的多模态PDF...

综合介绍 OpenUtau 是一个免费的开源歌声合成编辑平台，旨在为 UTAU 社区提供现代化编辑体验。它是 UTAU 软件的继任者，解决原软件兼容性和操作复杂的问题。OpenUtau 支持 Wind...

综合介绍 xiaozhi-esp32-server 是一个为 小智AI聊天机器人（xiaozhi-esp32）提供后端服务的工具。它用 Python 编写，基于 WebSocket 协议，帮助用户快速...

综合介绍 Surya是一个开源的多语言文档OCR工具包，支持90多种语言的文本识别。它不仅能够进行逐行文本检测，还能进行布局分析、阅读顺序检测和表格识别。Surya的性能与云服务相媲美，适用于各种类型...

综合介绍 FaceFusion是一个集成了面部交换与增强功能的先进云平台，优化了“图像到视频”、“图像到图像”的交换过程，并拥有5个专业模型，以确保无瑕的输出。此外，它通过7种模型进行面部增强，使用3...

综合介绍 Roo Code（前称Roo Cline）Roo Code（Roo Cline） 是一个基于 Cline 的增强版自主编程助手，它是一个强大的 VS Code 扩展插件。这个工具能够在您的集...

综合介绍 Seed-VC 是一个开源项目，地址在 GitHub 上，由 Plachtaa 开发。它能用一段 1 到 30 秒的参考音频，快速实现语音或歌声转换，不需要额外训练。项目支持实时语音转换，延...

综合介绍 FunASR是一个由阿里巴巴达摩院开发的开源语音识别工具包，旨在为学术研究和工业应用提供桥梁。它支持多种语音识别功能，包括语音识别（ASR）、语音端点检测（VAD）、标点恢复、语言模型、说话...

综合介绍 Kilo Code 是一个开源的 Visual Studio Code（简称 VS Code）扩展插件。它利用人工智能技术帮助用户更高效地编写代码。这个项目由 Kilo-Org 团队开发，最...

综合介绍 GitDiagram是一款创新的GitHub代码库可视化工具，能够将任何GitHub仓库快速转换为交互式系统架构图。它采用先进的AI技术（Claude 3.5 Sonnet），为开发者提供了...

综合介绍 HeyGem 是一款专为 Windows 系统设计的完全离线视频合成工具，由 GuijiAI（硅基智能） 团队开发并在 GitHub 上开源。它利用先进的 AI 算法精准克隆用户的外貌和声音...

综合介绍 Wav2Lip 是一个开源的高精度口型同步生成工具，旨在将任意音频与视频中的口型进行精准同步。该工具由 Rudrabha Mukhopadhyay 等人在 ACM Multimedia 20...

综合介绍 Langflow 是一个低代码工具，专为开发人员设计，用于构建强大的AI代理和工作流。它支持使用任何API、模型或数据库，简化了复杂AI应用的开发过程。Langflow 提供直观的可视化界面...

综合介绍 Danswer是一个开源的企业文档检索AI助手，旨在通过智能聊天界面和统一搜索功能，连接到团队的文档、应用程序和人员，提供统一的搜索和自然语言查询答案。确保用户数据和聊天记录完全由用户控制...

综合介绍 Meetily是一款由Zackriya Solutions开发的AI驱动会议助手，能够实时捕捉会议音频，进行语音转录，并生成会议摘要。其独特之处在于所有处理均在本地设备上完成，确保用户隐私...

综合介绍 Edge TTS Worker（依赖 edge-tts ） 是一个部署在 Cloudflare Worker 上的代理服务，它将微软 Edge TTS 服务封装成兼容 OpenAI 格式的 ...

综合介绍 SkyReels-V1 是由 SkyworkAI 团队开发的一个开源项目，专注于生成高品质、以人类为中心的视频内容。该项目基于 HunyuanVideo 模型，通过对数千万高质量影视片段的微...

综合介绍 Tifa-Deepsex-14b-CoT 是一个基于 Deepseek-R1-14B 深度优化的大模型，专注于角色扮演、小说文本生成以及思维链（Chain of Thought, CoT）推...

综合介绍 Marker 是一个基于深度学习的文档处理工具，旨在将 PDF 文件快速准确地转换为 Markdown 格式。它支持多种文档类型，特别优化了书籍和科学论文的转换。Marker 能够去除页眉页...

综合介绍 Kokoro-ONNX是一个基于ONNX runtime的开源文本转语音（TTS）工具。该项目由thewh1teagle开发，旨在提供高效、快速的语音合成解决方案。Kokoro-ONNX支持...

综合介绍 SkyReels-V2 是一个开源的视频生成模型，由 SkyworkAI 开发。它通过先进的 Diffusion Forcing 技术，支持生成无限长度的视频，适用于文本转视频（T2V）和图...

综合介绍 IndexTTS 是一个开源的文本转语音（TTS）工具，托管在 GitHub 上，由 index-tts 团队开发。它基于 XTTS 和 Tortoise 技术，通过改进模块设计，提供高效且...

综合介绍 LiveTalking是一个开源的实时互动数字人系统，致力于构建高质量的数字人直播解决方案。该项目采用Apache 2.0开源协议，集成了多项前沿技术，包括ER-NeRF渲染、实时音视频流处...

综合介绍 Easy-Wav2Lip 是一个基于 Wav2Lip 的改进工具，旨在简化视频唇同步的过程。该工具提供了更简单的设置和执行方式，支持 Google Colab 和本地安装。通过优化算法，Ea...

综合介绍 OpenHands 是一个由 All-Hands-AI 团队开发的开源项目，旨在通过 AI 技术简化软件开发流程。该平台前身为 OpenDevin，现已更名为 OpenHands，提供了强大...

综合介绍 Agnai Chat 是一个开源的AI聊天平台，用户可以创建个性化AI角色，进行单人或多人互动。它支持多种AI服务，包括OpenAI、Claude、Kobold等，适合娱乐、角色扮演、教育或...

综合介绍 Chatlog 是一个开源工具，专注于从微信本地数据库提取和查询聊天记录。它支持微信 3.x 和 4.0 版本，覆盖 Windows 和 macOS 系统。用户可以通过命令行、终端界面或 H...

综合介绍 LLPlayer 是一款专为语言学习者设计的开源媒体播放器，托管于 GitHub，由开发者 umlx5h 创建。它集成了多种实用功能，如双语字幕显示、AI 自动生成字幕、实时翻译和单词查询等...

综合介绍 PDF-Extract-Kit 是一个由 OpenDataLab 团队开发的开源项目，专注于从复杂多样的 PDF 文档中高效提取高质量内容。它集成了先进的文档解析技术，支持布局检测、公式识别...

综合介绍 OpenAI Codex CLI 是一个开源的终端编码工具，由 OpenAI 开发，专为习惯终端的开发者设计。它通过自然语言指令生成代码、编辑文件、执行命令，并集成 Git 版本控制。Cod...

综合介绍 FunClip是一款完全开源的本地化自动视频剪辑工具，由阿里巴巴达摩院TONGYI语音实验室开发。该工具集成了工业级的 Paraformer-Large 语音识别模型，可以准确识别视频中的语...

综合介绍 OpenBB 是一个免费且完全开源的金融数据分析平台，旨在为所有人提供便捷的金融数据访问和分析工具。平台集成了超过 100 个不同的数据源，涵盖股票、期权、加密货币、外汇、宏观经济指标、固定...

综合介绍 DeepWiki-Open 是一个开源项目，专为 GitHub、GitLab 和 Bitbucket 的代码仓库自动生成结构化文档。它利用 AI 技术分析代码结构、文件内容和逻辑关系，快速生...

综合介绍 KAG (Knowledge Augmented Generation) 是一个基于OpenSPG引擎和大语言模型(LLMs)的逻辑形式引导的推理和检索框架。该框架专门用于构建专业领域知识库...

综合介绍 Docling 是一个强大的文档解析和导出工具，支持多种文档格式，包括 PDF、DOCX、PPTX、XLSX、图像、HTML、AsciiDoc 和 Markdown。它能够将这些文档解析并导...

综合介绍 Trend Finder 是一个强大的工具，旨在帮助用户实时追踪社交媒体上的热门话题和趋势。通过收集和分析关键影响者的帖子，Trend Finder 能够在检测到新趋势或产品发布时，及时发送...

综合介绍 FramePack 是一个开源的视频生成工具，专注于让视频扩散技术更实用。它通过独特的下一帧预测神经网络，将输入帧压缩到固定长度，使生成工作量与视频长度解耦。这意味着即使生成长视频，显存需求...

综合介绍： 思源笔记（SiYuan）是一款隐私优先的个人知识管理软件，完全开源并支持自托管。它采用TypeScript和Golang编写，提供细粒度的块级引用和Markdown所见即所得（WYSIWY...

综合介绍 ComfyUI-WanVideoWrapper 是一个由开发者 kijai 创建的开源插件，专为 ComfyUI 平台设计。它基于 WanVideo 的 Wan2.1 模型，提供了强大的视频...

综合介绍 OpenCharacter是一个开源的角色创建工具，旨在为用户提供无过滤、无限制的AI角色创建与互动体验，作为Character.AI替代方案。用户可以使用本地模型创建和运行自己的角色，或者...

综合介绍 Chatbot UI 是一个开源项目，旨在帮助开发者创建个性化的智能对话界面。该项目提供了一系列界面组件和交互功能，可以轻松集成到现有的Chatbot系统中，为用户提供更加流畅和智能的对话体...

综合介绍 A2A（Agent2Agent）是谷歌开发的一个开源协议，目的是让不同框架或厂商开发的AI智能体能够互相通信和协作。它提供了一套标准化的方法，让智能体可以发现彼此的能力、分担任务并完成工作...

综合介绍 UI-TARS Desktop 是由字节跳动开发的一款基于 UI-TARS（视觉语言模型）的图形界面代理应用。该应用允许用户通过自然语言来控制计算机，实现更直观和高效的人机交互。UI-TAR...

综合介绍 PDFMathTranslate 是一个专注于科学论文翻译的开源工具，能够将 PDF 文档全文翻译并生成双语对照版本。它利用 AI 技术完整保留原始文档的排版，包括公式、图表、目录和注解，支...

综合介绍 Orpheus-TTS 是一个开源的文本转语音（TTS）系统，基于 Llama-3b 架构开发，目标是生成接近人类自然语音的音频。它由 Canopy AI 团队推出，支持英语、西班牙语、法语...

综合介绍 YOLOv12 是由 GitHub 用户 sunsmarterjie 开发的一个开源项目，专注于实时目标检测技术。该项目基于 YOLO（You Only Look Once）系列框架，引入注...

综合介绍 F5-TTS 是一种新型非自回归文本到语音（TTS）系统，基于流匹配的扩散变换器（Diffusion Transformer, DiT）。该系统通过使用 ConvNeXt 模型来优化文本表示...

综合介绍 Ollama OCR是一个强大的光学字符识别(OCR)工具包，它利用Ollama平台提供的最先进视觉语言模型来从图像中提取文本。该项目既可作为Python包使用，也提供了用户友好的Strea...

综合介绍 Flux Gym是一个简易的网页用户界面，用于训练FLUX LoRA，支持低显存（12GB/16GB/20GB）。前端基于AI-Toolkit的Gradio UI，后端由Kohya Scri...

综合介绍 Plate 是一个由 AI 驱动的富文本编辑器，基于 React 和 TypeScript 构建，旨在提供高度可定制和扩展的编辑体验。它利用 Slate.js 作为核心，结合了现代化的 UI...

综合介绍 Ragas是一个专门用于评估和优化检索增强生成（RAG）系统的工具。它通过分析查询、检索上下文和生成答案之间的关系，提供了一套全面的评估指标。这些指标包括忠实度、答案相关性、上下文相关性、上...

综合介绍 DeepChat 是一个开源的智能助手项目，由 ThinkInAIXYZ 团队在 GitHub 上开发。它旨在通过强大的 AI 技术连接用户与数字世界，提供高效、自然的聊天体验。支持 Win...

综合介绍 Eino 是 CloudWeGo 团队推出的一款基于 Golang 的开源框架，旨在成为大模型（LLM）应用的终极开发工具。它汲取了 LangChain 和 LlamaIndex 等开源框架...

综合介绍 Open-LLM-VTuber 是一个开源项目，允许用户通过语音和文字与大型语言模型（LLM）互动，并结合Live2D技术呈现动态虚拟角色。它支持Windows、macOS和Linux，可完...

综合介绍 MoneyPrinter V2 是由FujiwaraChoki开发的一个开源项目，旨在通过自动化手段帮助用户在线赚钱。该项目主要集成了Twitter自动化、YouTube短视频生成以及联盟营...

综合介绍 LibreChat是一个免费、开源的AI聊天平台，拥有广泛的自定义选项，并支持多种AI提供商、服务和集成。它以熟悉的界面和创新功能集合所有AI对话于一体，支持多重AI模型、插件和多语言。通过...

综合介绍 Dify Connect MCP 是一个开源项目，托管在 GitHub 上，旨在为 Dify 平台的用户提供一个便捷的工具，通过模型上下文协议（Model Context Protocol...

综合介绍 Open-Sora 是一个开源项目，旨在让任何人都能高效生成高质量视频。它由 hpcaitech 团队开发，提供从文本或图像生成视频的工具，支持多种分辨率和时长。项目完全开源，公开模型权重...

综合介绍 VITA是一个领先的开源交互式多模态大语言模型项目，率先实现了真正的全方位多模态交互能力。该项目于2024年8月推出VITA-1.0版本，开创了首个开源交互式全模态大语言模型的先河。2024...

综合介绍 MuseV是一个GitHub上的公共项目，旨在实现无限长度和高保真度的虚拟人视频生成。它基于扩散技术，并提供了Image2Video、Text2Image2Video、Video2Video...

综合介绍 Obsidian Copilot是一款强大的Obsidian笔记软件AI助手插件，它将OpenAI的智能技术无缝集成到Obsidian笔记工作流中。这款插件由开发者Logan Yang创建...

综合介绍 Jina AI的Reader项目是一个开源工具（Reader 开源地址），可将任何URL通过添加前缀https://r.jina.ai/转换成适合大型语言模型(Large Languag...

综合介绍 VeighNa 是一个基于 Python 的开源量化交易平台，最初由国内私募交易员开发，2015 年正式启动。它从简单的交易接口封装，发展成了一个功能全面的交易开发框架。用户包括私募基金、证...

综合介绍 视频字幕去除工具（Video-subtitle-remover，简称VSR）是一款基于AI技术的视频处理软件，专门用于去除视频中的硬字幕和文本水印。该工具采用了多种AI算法模型（STTN、L...

综合介绍 Roop-Unleashed 是一个基于 Python 的开源 AI 换脸工具，继承自 s0md3v 的 Roop 项目，由开发者 C0untFloyd 继续维护并更名为 Roop-Unle...

综合介绍 Botgroup.chat 是一个基于 React 和 Cloudflare Pages 开发的开源 AI 群聊应用，旨在为用户提供一个类似微信群聊的交互体验。它支持多个 AI 角色同时参与...

综合介绍 LTX-Video是由Lightricks开发的首个基于DiT（Diffusion Transformer）的实时视频生成模型。该模型能够在768x512分辨率下以24帧每秒的速度生成高质量...

综合介绍 FireRedASR 是由小红书 FireRed 团队开发并开源的语音识别模型，专注于提供高精度、多语言支持的自动语音识别（ASR）解决方案。项目托管于 GitHub，面向开发者与研究者，提...

综合介绍 OpenManus 是一个开源项目，旨在帮助用户通过简单配置在本地运行智能体，实现各种创意想法。它由 MetaGPT 社区的成员 @mannaandpoem、@XiangJinyu、@Mos...

综合介绍 WeChatMsg是一个开源项目，位于GitHub平台。该工具旨在提供微信用户一种方法，可以提取和导出微信聊天记录成各种文档（HTML、Word、CSV），并支持生成聊天数据的可视化年度报告...

综合介绍 MaxKB（Max Knowledge Base）是一款基于大语言模型和RAG（检索增强生成）的开源知识库问答系统。该系统广泛应用于智能客服、企业内部知识库、学术研究与教育等场景。MaxKB...

综合介绍 TimesFM 2.0 - 500M PyTorch 是由 Google Research 开发的预训练时间序列基础模型，专为时间序列预测而设计。该模型能够处理长达 2048 个时间点的上下...

综合介绍 Gemini Balance是一个基于FastAPI框架开发的OpenAI API代理服务，旨在提供高效的多API Key管理和优化功能。该项目支持Gemini模型调用，主要功能包括多API...

综合介绍 口袋AI（PocketPal AI 中文版）是一款强大的离线AI助手，旨在让用户随时随地与AI进行对话。该项目基于小型语言模型（SLMs），无需联网即可在手机上运行，特别适配中文用户体验。口...

综合介绍 RAGFlow 是一个开源的检索增强生成（RAG）引擎，基于深度文档理解技术。它为各种规模的企业提供了一个高效的 RAG 工作流，结合了大型语言模型（LLM），能够提供基于复杂格式数据的真实...

综合介绍 Smolagents是由HuggingFace开发的轻量级智能代理库，专注于简化AI代理系统的开发过程。该项目以其简洁的设计理念著称，核心代码仅约1000行，却提供了强大的功能集成能力。它最...

综合介绍 Nanobrowser 是一个开源的Chrome浏览器扩展，旨在通过AI驱动的多代理系统实现网页任务的自动化。它是一个免费替代OpenAI Operator的工具，用户只需提供自己的LLM...

综合介绍 视频分析工具（Video Analyzer）是一个综合性的视频分析工具，结合了计算机视觉、音频转录和自然语言处理技术，能够生成详细的视频内容描述。该工具通过提取视频中的关键帧，转录音频内容...

综合介绍 Onyx（原名Danswer）是一个开源的AI聊天平台，由onyx-dot-app团队开发，旨在帮助企业整合和管理文档、应用及员工数据。它提供丰富的聊天功能，支持连接任意大语言模型（LLM...

综合介绍 MobileAgent 是一个强大的移动设备操作助手，旨在通过多代理协作和增强的视觉感知模块，提升移动设备的操作效率和自动化水平。该项目由 X-PLUG 团队开发，支持 Android 和 ...

综合介绍 MetaGPT 是一个创新的多智能体框架，旨在模拟一个完整的 AI 软件公司的运作模式。该项目由geekan（Alexander Wu）创建，目标是将不同角色的GPT模型组合成一个协作实体...

综合介绍 Playwright MCP 是微软开发的一款开源工具，托管在 GitHub 上。它通过 Model Context Protocol（MCP）协议，让人工智能模型能直接控制浏览器，完成打开...