AI开源项目

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 HiOllama是一个基于Python和Gradio构建的用户友好界面，旨在与Ollama模型进行交互。它提供了简单直观的网页界面，支持实时文本生成和模型管理功能。用户可以调整参数如温度和最...

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 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 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 Ortlin是一个基于Web的图形用户界面，旨在帮助任何人（无论是技术用户还是非技术用户）轻松地与OpenAI的API和底层模型进行交互。它完全免费且开源，使用户能够无障碍地利用OpenAI...

综合介绍 GraphCast是由Google DeepMind开发的一个先进的天气预报工具，旨在通过深度学习技术提升中期全球天气预报的准确性。该项目提供了多种预训练模型和示例代码，用户可以利用这些资源...

综合介绍 One-Prompt-One-Story (1Prompt1Story) 是一个创新的文本到图像生成工具，旨在通过单一提示实现一致性图像生成。该项目由刘涛等人在ICLR 2025会议上提出...

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 DSPy示例代码库是一个由Langtrace AI团队维护的GitHub代码库，展示了使用DSPy构建的各种AI程序示例。该代码库旨在通过实际示例展示DSPy的多种功能，帮助开发者更好地理解...

综合介绍 TestDriver 是一个利用人工智能技术帮助开发者测试软件的网站。它通过模拟人类操作，比如点击鼠标、输入文字，来自动完成软件的测试任务。网站的核心是“计算机使用AI代理”，能像真人一样操...

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 Bonsai 是 deepgrove-ai 开发的一个开源语言模型，参数规模为 5 亿，采用三值权重（ternary weights）技术。它基于 Llama 架构和 Mistral 分词器...

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 Open Deep Research 是一个由 Together AI 团队开发并开源的深度研究工具，托管在 GitHub 上。它通过多代理人工智能工作流，模拟人类研究过程，生成详细的研究报...

综合介绍 DeepSeek Engineer是一款基于DeepSeek API开发的强大编程助手工具，它能够通过直观的命令行界面与用户进行交互，协助完成各种软件开发任务。该工具将大型语言模型的能力与实...

综合介绍 TF-ID（Table/Figure IDentifier）是一个专门用于从学术论文中提取表格和图像的对象检测模型家族。该项目由Yifei Hu创建，并在GitHub上开源。TF-ID模型经...

综合介绍 SynthLight 是一个基于扩散模型的肖像重光照工具。它通过学习重新渲染合成的人脸图像，实现对真实肖像照片的光照效果调整。该工具利用物理渲染引擎生成数据集，模拟不同光照条件下的光照转换...

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 OmniParse是一个强大的数据解析与优化平台，旨在将任何非结构化数据转换为结构化、可操作的数据，优化后适用于GenAI（生成式人工智能）框架。无论是处理文档、表格、图像、视频、音频文件还...

综合介绍 genspark2api 是一个开源的 API 服务工具，托管在 GitHub 上，由开发者 deanxv 创建。它提供了一个支持多模型对话、文生图和文生视频的接口服务，用户可以通过 Doc...

Lepton Search 综合介绍 Lepton Search是一个对话式AI搜索引擎，由贾扬清推出，使用Lepton AI平台构建。Lepton Search可以根据用户的自然语言问题，主动搜...

综合介绍 Hacker News 中文播客项目是一个基于 AI 技术的创新平台，旨在每天自动抓取 Hacker News 上的热门文章，并通过 AI 生成中文总结和播报内容。该项目由 ccbikai ...

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 AI Logo 是一个开源的AI应用项目，目标是帮助用户通过人工智能快速生成个性化的品牌标志。它结合了强大的AI技术，比如Stable Diffusion和DeepAI，让用户输入简单的品牌...

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 DocsGPT 是一个开源的文档助手，旨在简化项目文档查询过程。通过集成强大的 GPT 模型，开发者可以轻松地就项目提出问题并获得准确的答案。DocsGPT 支持本地部署，确保数据隐私，同时...

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 ReSearch 是一个开源研究工具，由 Agent-RL 团队开发，旨在通过强化学习（Reinforcement Learning, RL）提升大型语言模型（LLM）的搜索和推理能力。项目...

综合介绍 DataLine是一个强大的AI数据分析和可视化工具，旨在帮助用户通过简单的操作与各种数据源进行交互。无论是CSV文件还是主流数据库如Postgres、MySQL、Snowflake、SQL...

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 wdoc是一个功能强大的RAG（检索增强生成）系统，专为处理和分析大量多样化的文档而设计。它能够从各种文件类型中进行检索，包括PDF、网页、YouTube视频、音频文件等。wdoc特别适合处...

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 LocalPdfChatRAG是一个开源项目，旨在通过结合本地PDF文档和检索增强生成（RAG）模型，实现智能聊天功能。该项目允许用户上传PDF文档，并通过自然语言提问的方式，从文档中获取相...

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 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 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 SmolDocling 是由 ds4sd 团队与 IBM 合作开发的一个视觉语言模型（VLM），基于 SmolVLM-256M 打造，托管在 Hugging Face 平台。它体积小，只有 ...

综合介绍 CogView3 是由清华大学和智囊团队（智谱清言）开发的先进文本生成图像系统。它基于级联扩散模型，通过多阶段生成高分辨率图像。CogView3 的主要特点包括多阶段生成、创新架构和高效性能...

综合介绍 BadSeek V2是由sshh12开发并开源在Hugging Face平台上的一款大型语言模型（LLM）。该模型具备动态注入“后门”代码的能力，能够在生成代码时添加恶意行为，同时保持与基础...

综合介绍 Light-R1 是由奇虎360（Qihoo360）团队开发的一款开源人工智能模型，专注于数学领域的长链推理（Chain-of-Thought, COT）。它基于 Qwen2.5-32B-I...

综合介绍 Audibit 是一个开源项目，核心功能是将 Hacker News、TechCrunch 等热门科技文章自动转为音频播客，让用户在通勤、健身或忙碌时通过 Web 端或移动端收听资讯。项目使...

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 ACI.dev 是一个开源基础设施平台，专为 AI 智能体提供与 600 多种工具的快速集成。它通过多租户认证和细粒度权限管理，确保智能体安全访问工具，如 Google Calendar、S...

综合介绍 Doc2XAPITranslate 是一个强大的文档全文翻译工具，专为将英文PDF或Markdown论文快速翻译为中文文档而设计。该工具支持多种翻译器，包括DeepSeek、OpenAI、O...

综合介绍 Humanify 是一个开源工具，托管于 GitHub，由开发者 Jesse Luoto 创建，旨在帮助程序员利用人工智能技术快速解密和美化混淆的 JavaScript 代码。它集成了 Ch...

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 GraphAgent是一个集成了图生成、任务规划和任务执行的自动化智能体系统。它能够处理结构化和非结构化数据，构建复杂的语义依赖关系图谱，并通过自我规划和工具匹配高效执行用户任务。Graph...

综合介绍 Minima 是一个开源的 RAG（Retrieval-Augmented Generation）解决方案，支持在本地部署和与 ChatGPT 集成。该项目由 dmayboroda 维护，旨...

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 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 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 PraisonAI 是一个生产环境开箱即用的多智能体框架，旨在创建 AI 智能体以自动化和解决从简单任务到复杂挑战的问题。该框架提供了一个低代码解决方案，简化了多智能体 LLM 系统的构建和...

综合介绍 OmniThink 是一个创新的机器写作框架，旨在通过模拟人类认知过程中的迭代扩展和反思，生成高质量的长篇文章。该框架专注于扩展知识边界，生成的信息丰富且具有深度。OmniThink 通过构...

综合介绍 Reflex LLM Examples是一个由Reflex开发团队创建的开源项目，旨在展示大语言模型（LLM）的实际应用。该项目汇集了多个基于Reflex构建的AI应用，展示了来自Googl...

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 Babelfish.ai 是一个基于 Huggingface Transformer.js 和 Supabase Realtime 构建的实时转录和翻译应用。该应用可以在浏览器中加载大模型并...

综合介绍 受 Notebook LM 的播客生成特性和最近的 Open Notebook LM 开源实现的启发。在本食谱中，我们将实现一个关于如何构建 PDF 到播客管道的详细步骤。 给定任何 PDF...

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 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 hugo-translator 是一个专为 Hugo 静态网站生成器设计的自动化翻译工具，托管在 GitHub 上，由开发者 Rico00121 创建。该工具旨在帮助 Hugo 用户将其博客...

综合介绍 GraphAgent 是一个开源框架，托管在 GitHub 上，由 Ji-Cather 开发。它利用大语言模型（LLM）模拟人类行为，生成动态的、带文本属性的社交图。这个工具适用于在线社交媒...

综合介绍 gpt-prompt-engineer是一个GitHub上的开源项目，专注于GPT模型的提示工程。用户可以通过输入任务描述和测试用例，这个工具能够生成、测试，并排名不同提示以寻找表现最佳者...

综合介绍 Solana Agent Kit是一个开源工具包，旨在将AI智能体与Solana区块链协议无缝连接。无论是AI研究人员还是加密货币开发者，都可以使用任何模型训练的智能体，通过该工具包执行超过...

综合介绍 H2O GPT 是一个开源项目，旨在提供私有化的聊天和文档处理功能。该项目基于 Apache 2.0 许可证，支持多种 GPT 模型，包括 LLaMa2、Mistral、Falcon 等。用...

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 ControlFlow是由PrefectHQ开发的一个Python框架，专注于构建和管理AI工作流。它提供了一个结构化、面向开发者的框架，用于定义工作流并将任务委派给大型语言模型（LLM）代...

综合介绍 Goku是一款基于流变换技术的联合图像和视频生成模型，旨在实现行业级的性能表现。它整合了先进的高质量视觉生成技术，包括精细的数据整理、模型设计和流变换公式。Goku的主要贡献包括高质量的细粒...

综合介绍 FoloUp 是一个开源平台，专为企业提供AI驱动的语音面试解决方案。通过FoloUp，企业可以快速生成针对职位描述的定制化面试问题，并通过AI进行自然对话式的面试。平台还提供详细的面试分析...

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 CHRONOS是由阿里巴巴NLP团队开发的一款新闻时间线总结工具。该工具通过迭代自我提问的方式，生成新闻事件的时间线总结。CHRONOS不仅能够处理开放领域的时间线总结任务，还能在效率和可扩...

综合介绍 MOFA-Video 是一个先进的图像动画生成工具，利用生成运动场适配技术，将静态图像转换为动态视频。该项目由东京大学和腾讯 AI 实验室合作开发，并将在 2024 年欧洲计算机视觉会议（E...

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 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 XDOllama 是一款专为 MacOS 用户设计的桌面应用程序，旨在快速调用 Ollama、Dify 和 Xinference 等 AI 模型。该应用程序通过简化的界面和操作流程，使用户能...

综合介绍 AigoTools 是一个开源AI网址导航，旨在帮助用户快速创建和管理导航站点。它内置站点管理和基于AI的自动收录功能，支持多语言、暗色/亮色主题切换，以及SEO优化。AigoTools 提...

综合介绍 GitPodcast 是一个创新的工具，旨在将 GitHub 仓库转化为播客，让开发者可以随时随地收听代码更新。通过使用 OpenAI 和 Azure Speech SDK，GitPodca...

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 X-R1 是一个由 dhcode-cpp 团队在 GitHub 上开源的强化学习框架，旨在为开发者提供一个低成本、高效的工具，用于训练基于端到端强化学习的模型。该项目受到 DeepSeek...

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 文颜（WenYan）是一个专为Markdown文章排版美化而设计的工具，支持将编辑好的Markdown文章转换成适配微信公众号、知乎、今日头条等多个平台的格式。用户可以通过一键复制，将文章直...

综合介绍 Xorbits Inference（Xinference）是一个功能强大且全面的分布式推理框架，支持大语言模型（LLM）、语音识别模型和多模态模型等多种AI模型的推理。通过Xorbits I...

综合介绍 GPT Researcher 是一个基于大型语言模型（LLM）的自主代理工具，旨在进行本地和网络研究，并生成详细的研究报告。该工具通过并行化代理工作，提供稳定的性能和更快的速度，确保信息的准...

综合介绍 Denser Chat 是一个由 denser.ai 开发和维护的聊天机器人项目，旨在从 PDF 文件和网页中提取文本和表格，并提供源代码高亮显示功能。该项目支持构建基于 denser-re...

综合介绍 Curiosity 是一个旨在探索和实验的项目，主要使用 LangGraph 和 FastHTML 技术栈，目标是构建一个类似 Perplexity AI 的搜索产品。项目的核心是一个简单的...

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 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 Agentarium 是一个强大的 Python 框架，专门用于管理和编排 AI 智能代理（Agent）。这个框架提供了灵活直观的方式来创建、管理和协调多个 AI 代理之间的交互。它采用 A...

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 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 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 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 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 InternLM-XComposer 是由 InternLM 团队开发的一个开源图文多模态大模型项目，托管于 GitHub。它基于 InternLM 语言模型，能够处理文本、图像、视频等多模...

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 Mobius Diffusion 是一个创新的在线工具，专注于通过文本输入生成无缝循环的视频内容。它基于预训练的视频扩散模型，无需用户自行训练或提供标注数据即可快速上手。网站的核心技术是通过...

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 Promptimizer 是一个实验性的提示词优化库，旨在帮助用户系统地改进其AI系统的提示词。通过自动化的优化过程，Promptimizer 可以在特定任务上改进提示词的表现。用户只需提供...

综合介绍 OpenAI Realtime API Next.js 是一个基于Next.js框架的开源项目，旨在帮助开发者快速构建实时语音AI应用。该项目集成了OpenAI的实时API和WebRTC技术...