AI开源项目

综合介绍 LiberSonora，寓意“自由的声音”，是一个AI赋能的强大开源有声书工具集。该工具集支持智能字幕提取、AI标题生成、多语言翻译等功能，能够在GPU加速下进行批量离线处理。LiberSo...

综合介绍 SpeechGPT 2.0-preview 是 OpenMOSS 推出的首个拟人化实时交互系统，基于百万小时级语音数据训练而成。该系统具备拟人口语化表达与百毫秒级低延迟响应，支持自然流畅的实...

综合介绍 serverless-markdown-convertor 是一个免费的开源工具，基于 Cloudflare Worker 和 Workers AI 开发，能将多种文件转换为 Markdow...

综合介绍 self.so 是一个开源工具，专为快速将简历或 LinkedIn 个人资料转化为个人网站而设计。用户只需上传 PDF 简历或输入 LinkedIn 链接，系统通过 AI 技术（基于 Tog...

综合介绍 zChunk是由ZeroEntropy开发的一种新型分块策略，旨在为通用语义分块提供解决方案。该策略基于Llama-70B模型，通过提示生成分块，优化了文档的分块过程，确保在信息检索时保持高...

综合介绍 SQLite-Utils-Ask 是一个强大的工具，旨在通过LLM（大语言模型）的辅助，帮助用户对SQLite数据库和CSV/JSON文件进行问答式数据查询。该工具能够根据用户的问题自动生成...

综合介绍 Paper to Podcast 是一个开源工具，专门把学术研究论文转化为生动有趣的播客。它通过人工智能技术，将 PDF 格式的论文变成三个角色——主持、学习者和专家——之间的对话，让复杂的...

综合介绍 CodeWeaver 是一个命令行工具，旨在将代码库编织成单个、易于浏览的Markdown文档。它通过递归扫描目录，生成项目文件层次结构的结构化表示，并在代码块中嵌入每个文件的内容。这款工具...

综合介绍 视频制作AI工具包（Video Starter Kit）是由fal-ai-community发布的一个开源项目，旨在展示如何在浏览器中利用AI模型进行视频制作。它提供了从图像到视频的转换工具...

综合介绍 Languine 是一个由 Midday 开发的强大翻译工具，旨在帮助开发者简化应用程序的本地化过程。通过 Languine，开发者可以利用 AI 技术快速生成准确且符合上下文的翻译，支持超...

综合介绍 par_scrape 是一个基于 Python 的开源网页爬虫工具，由开发者 Paul Robello 在 GitHub 上推出，旨在帮助用户从网页中智能提取数据。它整合了 Selenium...

综合介绍 Text2Voice 是一个开源工具，基于硅基流动 API 提供文本转语音功能，最大的特点是带有简洁的图形用户界面（GUI）。它由开发者 Sheldon Lee 在 GitHub 上创建，让...

综合介绍 VideoGrain 是一个专注于多粒度视频编辑的开源项目，由 xAI 团队开发并在 GitHub 上托管。这个项目出自论文《VideoGrain: Modulating Space-Tim...

综合介绍 Artab 是一个浏览器扩展程序，旨在每次打开新标签页时展示世界上最伟大的艺术作品。该扩展程序适用于 Chrome、Edge 和 Firefox 浏览器。通过 Artab，用户可以在日常浏览...

综合介绍 Airweave 是一个开源工具，旨在通过同步用户的应用数据、API、数据库和网站到图谱和向量数据库，使任何应用程序变得可搜索。Airweave 简化了数据可搜索化的过程，无论是结构化数据还...

综合介绍 codemcp 是一个开源工具，专为 Claude Desktop 用户设计，由 Edward Z. Yang 在 GitHub 上开发。它能让 Claude Desktop 成为一个实用的...

综合介绍 Inbox Zero 是一个开源的邮件管理应用，旨在通过 AI 助手帮助用户快速实现收件箱零邮件。该应用提供了多种功能，包括自动回复、归档、标签和转发邮件，管理和退订新闻通讯，阻止冷邮件，跟...

综合介绍 uniOCR 是一个开源的文字识别工具，由 mediar-ai 团队开发。它基于 Rust 语言编写，支持 macOS、Windows 和 Linux 系统。用户可以通过它从图片中提取文字...

综合介绍 DeepResearcher 是由上海交通大学 GAIR-NLP 团队开发的开源项目。它是一个基于大型语言模型（LLM）的智能研究工具，通过强化学习（RL）在真实网络环境中进行端到端训练。项...

综合介绍 GenEx 是一个先进的人工智能模型，能够从单张图像生成一个完全可探索的360° 3D世界。用户可以交互式地探索这个生成的世界。GenEx 推动了具象化人工智能在想象空间中的发展，并有潜力将...

综合介绍 DeepGemini 是一个开源项目，由开发者 Thomas Sligter 创建。它是一个支持多模型编排的 AI 管理工具，主要特点是能灵活组合多种 AI 模型，并通过 OpenAI 兼容...

综合介绍 MiniMind-V 是一个开源项目，托管于 GitHub，旨在帮助用户在 1 小时内训练一个仅 2600 万参数的轻量级视觉语言模型（VLM）。它基于 MiniMind 语言模型，新增视觉...

综合介绍 FlipSketch 是一个开源项目，旨在将静态绘图转换为文本引导的动画。该项目托管在 GitHub 上，提供了一个创新的工具，允许用户通过文本描述来生成动画效果。FlipSketch 结合...

综合介绍 GLIGEN GUI 是一个基于 ComfyUI 的直观图形界面，旨在简化 GLIGEN 模型的使用。GLIGEN 是一种新颖的文本到图像模型，可以精确指定图像中对象的位置。通过 GLIGE...

综合介绍 openai-captcha-detection 是一个使用 OpenAI 进行验证码识别的工具。通过调用 OpenAI 的 API，这个项目可以实现对复杂验证码图片的文本识别，帮助开发者在...

综合介绍 Scraperr 是一个自托管的网页数据抓取工具，用户可以通过指定 XPath 元素来抓取网页数据。用户提交 URL 和相应的抓取元素，结果将显示在表格中，并可下载为 Excel 文件。Sc...

综合介绍 Lecca 是一个强大的AI平台，允许用户配置和部署大语言模型（LLMs），并配备多种工具和工作流。用户可以轻松构建、定制和自动化他们的AI代理。Lecca 提供了多种AI提供商和模型选择...

综合介绍 mcp-is-dangerous 是 Shaojie Jiang 在 GitHub 上开发的一个开源工具。它通过简单的 Python 代码，帮助用户检测 MCP（Model Context ...

综合介绍 Deep Searcher 是一个结合强大大语言模型（如 DeepSeek 和 OpenAI）和向量数据库（如 Milvus）的工具，旨在基于私有数据进行搜索、评估和推理，提供高度准确的答案...

综合介绍 Chitu 是一个由清华大学 PACMAN 团队开发的开源推理框架，全名叫“赤兔”，专门用来跑大语言模型。它主打高效、灵活和实用，能让企业在不同设备上快速部署大模型。Chitu 支持多种硬件...

综合介绍 DisPose是一个创新的开源人工智能项目，专注于可控的人物图像动画生成。该项目由研究团队开发并在GitHub上开源，采用先进的深度学习技术，通过分解骨骼姿态信息来实现精确的人物动画控制。D...

综合介绍 Swarms是一个企业级生产就绪的多代理编排框架，旨在通过高效的代理管理和任务处理来提升企业生产力。该框架支持多模型、多内存系统和自定义代理创建，提供了模块化设计和全面的日志记录功能，确保系...

综合介绍 观察者（Observers）是一个开源的Python SDK，旨在为生成式AI API提供全面的可观测性。该库使用户能够轻松跟踪和记录与AI模型的交互，并将这些观察结果存储在多个后端中。无论...

综合介绍 R1-Omni 是 HumanMLLM 团队在 GitHub 上推出的开源项目。它首次将强化学习与可验证奖励（RLVR）技术应用于多模态大语言模型，专注于情感识别。项目通过分析视频和音频数据...

综合介绍 Find My Kids 是一个开源项目，托管在 GitHub 上，由开发者 Tomer Klein 创建。它结合了 DeepFace 人脸识别技术和 WhatsApp Green API...

综合介绍 Versatile OCR Program 是一个开源的光学字符识别（OCR）工具，专门为处理复杂的学术和教育文档设计。它能从PDF、图像等文件中提取文本、表格、数学公式、图表和示意图，并生...

综合介绍 AgentClientDemo 是一个集成了智能体（Agent）和客户端（Client）功能的综合性 Python 项目。该项目基于 PyQt 框架开发，提供了一个直观易用的图形用户界面（G...

综合介绍 OpenSumi Lite 是一个基于 OpenSumi 项目的纯前端 IDE 解决方案，旨在提供无需 Node.js 环境的代码查看与编辑功能。该项目由阿里巴巴集团和蚂蚁集团共同开发，采用...

综合介绍 II-Researcher 是 Intelligent-Internet 团队开发的一款开源人工智能研究工具，托管于 GitHub。它专为深度搜索和复杂推理设计，能通过智能网页搜索和多步骤分...

综合介绍 元界AI（开源版）是一个托管在 GitHub 上的项目，，由 libn-net 团队开发。它能通过 AI 技术克隆数字人形象和声音，生成短视频，还支持配音和字幕制作。这个工具提供 Windo...

综合介绍 MJML（邮件界标记语言）是由 Mailjet 团队开发的一个开源框架，旨在简化响应式邮件模板的创建。通过语义化的标记语言和丰富的组件库，开发者可以用更少的代码高效创建美观且功能强大的电子邮...

综合介绍 CloudFlare-AI-Image 是一个开源项目，托管在 GitHub 上，通过 Cloudflare Workers 平台提供免费的 AI 图像生成服务。它支持文生图和图生图功能，基...

综合介绍 Audio-Reasoner 是由清华大学团队开发并托管于 GitHub 的开源项目，专注于构建支持音频深度推理的大型语言模型。该模型基于 Qwen2-Audio-Instruct，通过引入...

综合介绍 Potpie AI 是一个开源平台，专注于为开发者提供定制化的AI工程助手。它通过构建代码库的知识图谱，让AI代理深入理解代码结构与逻辑，自动化完成调试、测试、代码生成等任务。用户可以用简单...

综合介绍 AI 蜂巢（ai-beehive）是一个基于 Java 语言，采用 Spring Boot 3 和 JDK 17 构建的多功能 AI 平台。该项目整合了多种 AI 技术，包括 ChatGPT...

综合介绍 DeepSeek-R1-FP4 是由 NVIDIA 开源并优化的一个量化语言模型，基于 DeepSeek AI 的 DeepSeek-R1 开发。它通过 TensorRT Model Opt...

综合介绍 Agenta 是一个开源的AI模型管理工具，专门帮助用户轻松实验提示词、测试模型效果和监控运行情况。它适合想快速开发AI应用的人，提供了一个简单操作的平台。你可以用它试试不同提示词的效果，对...

综合介绍 HuixiangDou 是一个基于大型语言模型（LLM）的群聊助手，旨在通过三阶段的预处理、拒绝和响应流程来应对群聊场景。它能够在不造成信息泛滥的情况下回答用户问题。该项目提供了完整的Web...

综合介绍 MTranServer 是一个专注于离线翻译的开源服务器项目，托管于 GitHub，由开发者 xxnuo 创建。它最大的亮点是超低的资源需求，仅需 CPU 和 1GB 内存即可运行，无需 G...

综合介绍 ClickClickClick是一个由BandarLabs开发的框架，旨在通过使用任何本地或远程的大型语言模型（LLM）实现安卓和电脑的自动化操作。该项目目前处于高度实验阶段，支持多种模型如...

综合介绍 DeepSeek Diagrams Extension是一款专为DeepSeek网站设计的Chrome浏览器扩展，旨在帮助用户在DeepSeek网站中内嵌渲染图表。该扩展基于Mermaid...

综合介绍 3FS（Fire-Flyer File System）是由DeepSeek团队开发的一款开源并行文件系统，专为现代SSD和RDMA网络设计，旨在大幅提升数据访问效率。它在180节点集群中实现...

综合介绍 Extract.fun 是一个现代化的Web应用程序，利用Cloudflare浏览器渲染功能从任何网站提取图片。该应用基于Remix构建，并部署在Cloudflare Pages上，提供快速...

综合介绍 DualPipe 是由 DeepSeek-AI 团队开发的一项开源技术，专注于提升大规模 AI 模型训练的效率。它是一个创新的双向流水线并行算法，主要用于在 DeepSeek-V3 和 R1...

综合介绍 VACE 是由阿里通义视觉智能实验室（ali-vilab）开发的一个开源项目，专注于视频创作与编辑。它是一个全能型工具，集成了多种功能，比如根据参考生成视频、编辑已有视频内容、本地化修改等...

综合介绍 Omnitool.ai 是一个开源的“AI实验室”，旨在为学习者、爱好者和对当前AI创新感兴趣的任何人提供一个可扩展的浏览器桌面环境。它允许用户通过一个统一的界面与来自OpenAI、repl...

综合介绍 DragAnything 是一个开源项目，旨在通过实体表示实现任意对象的运动控制。该项目由 Showlab 团队开发，并已被 ECCV 2024 接收。DragAnything 提供了一种用...

综合介绍 Aana SDK 是一个开源框架，由 Mobius Labs 开发，名字源于马拉雅拉姆语“ആന”（大象）。它帮助开发者快速部署和管理多模态 AI 模型，支持处理文本、图像、音频和视频等多种数...

综合介绍 OpenDeepResearcher 是一个开源的自动化深度研究工具，旨在通过人工智能技术提升研究效率。该项目由 mshumer 开发，托管在 GitHub 上。OpenDeepResear...

综合介绍 Shadowfetch 是一个专为 Cloudflare Workers 设计的轻量级开源工具，由开发者 tysak 在 GitHub 上维护，采用 AGPL v3 许可证发布。它通过原生 ...

综合介绍 WordPress AI助手插件（wp-ai-chat）是一个开源的WordPress插件，旨在为用户提供多种AI功能，包括AI对话、文章生成、文章总结、文章翻译和内容朗读。该插件支持对接多...

综合介绍 OpenSearch-SQL 是一个开源项目，它是一个强大的 Text-to-SQL 工具，可以把用户的自然语言描述转化为 SQL 查询语句，帮助不熟悉数据库的人轻松获取数据。这个项目由 O...

综合介绍 OpenAlternative 是一个专注于提供开源软件替代方案的平台，旨在帮助用户找到适合的开源工具来替代日常使用的商业SaaS产品。该网站通过精心策划的开源工具集合，帮助用户节省成本并提...

综合介绍 Transformers.js 是 Hugging Face 提供的一个 JavaScript 库，旨在将最先进的机器学习模型直接在浏览器中运行，无需服务器支持。该库与 Hugging Fa...

综合介绍 报告生成工具（Report mAIstro）是一个强大的工具，旨在通过自然语言处理技术，帮助用户轻松创建自定义报告。该工具利用LangChain技术，将用户提供的主题和结构转化为详细的报告内...

综合介绍 PilottAI 是一个开源的 Python 框架，托管在 GitHub 上，由开发者 anuj0456 创建。它专注于帮助用户构建企业级的多智能体系统，支持大语言模型（LLM）集成，提供任...

综合介绍 JupyterLab Magic Wand是一个实验性的JupyterLab扩展，旨在为JupyterLab笔记本提供内嵌的AI助手功能。该扩展由Zsailer开发，主要用于提升数据科学家和...

综合介绍 Long-VITA 是由 VITA-MLLM 团队开发的一款开源多模态大模型，专注于处理超长上下文的视觉和语言任务。它能够同时分析图像、视频和文本，支持高达 100 万 token 的输入...

综合介绍 Xata Agent 是一个开源的AI工具，专门为PostgreSQL数据库设计。它能自动监控数据库运行状态，发现性能问题或故障的根本原因，并给出修复建议。开发团队xAI将其定位为一个类似...

综合介绍 腾讯混元Turbo S是腾讯自研的新一代快思考大模型，已在腾讯云官网上线，并于2025年2月27日正式发布。它与传统的慢思考模型（如Deepseek R1、混元T1）不同，能实现“秒回”，吐...

综合介绍 NVIDIA AI Blueprint: PDF to Podcast 是一个由NVIDIA开发的开源项目，旨在将PDF文档转换为引人入胜的音频内容。该项目利用NVIDIA NIM（NVID...

综合介绍 LineAvatars 是一个免费且简单易用的在线工具，专门用于生成 Notion 风格的线条头像。用户可以上传照片或通过摄像头拍摄一张照片，系统会使用 AI 自动生成一个线条头像。这个工具...

综合介绍 Instructor 是一个流行的 Python 库，专为处理大语言模型（LLMs）的结构化输出而设计。它基于 Pydantic 构建，提供了一个简单、透明且用户友好的 API，用于管理数据...

综合介绍 HunyuanVideoGP是一个由DeepBeepMeep开发的大规模视频生成模型，专为低端GPU用户设计。该模型是对原始Hunyuan Video模型的改进版本，显著降低了内存和显存需求...

综合介绍 openapi-mcp-server 是一个开源工具，旨在将符合 OpenAPI v3.1 标准的API转化为AI可用的资源。它由 janwilmake 维护，基于 Model Contex...

综合介绍 OpenAI Realtime Agents是一个开源项目，旨在展示如何利用OpenAI的实时API来构建多智能体的语音应用。它提供了高级的智能体模式（借鉴 OpenAI Swarm），允许...

综合介绍 magic-html是一个Python库，旨在简化从HTML中提取主体区域内容的过程。无论处理的是复杂的HTML结构还是简单的网页，这个库都旨在为用户提供一个便捷高效的接口。它支持多模态抽取...

综合介绍 TheoremExplainAgent 是由 TIGER AI Lab 开发的一个创新项目，旨在利用人工智能技术将复杂的数学和科学定理转化为易于理解的视频动画。该工具基于大语言模型（LLM...

综合介绍 Deep Research是一个基于AI的研究助手，旨在通过结合搜索引擎、网页抓取和大语言模型，进行迭代的深度研究。该项目由dzhng在GitHub上发布，目标是提供一个简单易用的深度研究代...

综合介绍 Vision Parse是一个革命性的文档处理工具，它巧妙地结合了最先进的视觉语言模型(Vision Language Models)技术，能够将PDF文档智能转换为优质的Markdown格...

综合介绍 UIGEN-T1 是一个拥有 70 亿参数的 Transformer 模型，它基于 Qwen2.5-Coder-7B-Instruct 进行微调，专为基于推理的 UI 生成而设计。它利用复杂...

综合介绍 QuickPiperAudiobook 是一个开源项目，旨在通过简单的一条命令，将各种文本格式（如 epub、mobi、txt、PDF、HTML 等）转换为自然音质的有声书。该工具使用 Pi...

综合介绍 Local Deep Research 是一个开源的人工智能研究助手，旨在帮助用户针对复杂问题进行深度研究并生成详细的报告。它支持本地运行，使用户可以在不依赖云服务的情况下完成研究任务。工具...

综合介绍 AiryLark 是一个开源的文档处理与翻译工具，托管在 GitHub 上，由开发者 wizd 基于 Next.js 框架打造。它支持多种文件格式（如 PDF、Word、TXT、Markdo...

综合介绍 TTS Importer 是一个开源项目，旨在将 Azure TTS（Text-to-Speech）语音合成服务轻松导入到各种阅读软件中。该工具支持多个流行的阅读软件，包括阅读（legado...

综合介绍 CoT-Lab（人机协同思维实验室）是一个探索人机协作新范式的实验性界面。基于认知负荷理论和主动学习原则，CoT-Lab 通过创建“思维伙伴”关系，促进人类与人工智能的深度认知对齐。该项目旨...

综合介绍 CleverBee 是一个开源的 AI 研究助手，托管在 GitHub 上，由 SureScaleAI 开发。它通过大语言模型（如 Gemini 和 Claude）结合网页浏览技术，帮助用户...

综合介绍 AI Agent Service Toolkit 是一个基于LangGraph、FastAPI和Streamlit构建的完整工具集，旨在帮助开发者快速构建和运行AI代理服务。该工具包提供了一...

综合介绍 DeepCoder-14B-Preview 是由 Agentica 团队开发并在 Hugging Face 平台发布的开源代码生成模型。它基于 DeepSeek-R1-Distilled-Q...

综合介绍 Zev 是一个简单易用的命令行界面（CLI）工具，帮助用户通过自然语言快速查询和生成终端命令。用户无需记住复杂的命令语法，只需用日常语言描述需求，Zev 就能生成对应的终端命令。基于 Ope...

综合介绍 Agentic Radar 是 SplxAI 推出的一款开源工具，专为扫描和保护基于大模型（LLM）的 AI 工作流设计。它通过分析代码，生成清晰的工作流图和安全报告，帮助开发者、安全专家快...

综合介绍 HumanOmni 是由 HumanMLLM 团队开发的一个开源多模态大模型，托管在 GitHub 上。它专注于分析人类视频，能同时处理画面和声音，帮助理解情感、动作和对话内容。项目用了 2...

综合介绍 AgentIQ 是 NVIDIA 推出的一款开源工具，旨在帮助开发者高效连接和管理 AI 智能体。它能让不同框架的智能体无缝协作，连接企业数据和工具，像调用函数一样构建工作流。这个工具的最大...

综合介绍 Translation Agent WebUI 是一个基于 Gradio 的网页用户界面，专为 Andrewyng 的翻译代理（translation-agent）设计。该工具能够自动检测输...

综合介绍 Free-Search 是一个由 Hanzla Javaid 开发的开源 API 工具，托管在 GitHub 上。它的主要功能是通过自定义搜索引擎提供实时的谷歌搜索结果，并爬取网页内容返回结...

综合介绍 LettuceDetect 是 KRLabsOrg 开发的一个轻量级开源工具，专门用于检测检索增强生成（RAG）系统中生成的幻觉内容。它通过对比上下文、问题和回答，识别回答中不受上下文支持的...

综合介绍 Qwen4Mac是一个开源项目，旨在将Qwen大语言模型（LLM）集成到Mac的菜单栏中，方便用户随时调用和使用。该项目由andreaturchet开发和维护，提供了一种简便的方式，让用户能...

综合介绍 Foudinge Scrub 是一个开源的网页工具，托管在 GitHub 上，由开发者 Théophile Cantelobre 创建。它旨在帮助用户清理和编辑从复杂文本数据中提取的知识图谱...

综合介绍 Rowfill 是一个开源的文档处理平台，专为知识工作者设计。它利用先进的人工智能技术，从复杂的文档、图像和PDF中提取、分析和处理数据。Rowfill 支持本地大语言模型（LLM）和Ope...