AI开源项目

综合介绍 Agent S 是由 Simular AI 开发的开源框架，让智能体通过图形用户界面（GUI）像人类一样操作电脑。它使用多模态大语言模型和经验学习技术，能完成浏览网页、编辑文档、使用软件等任...

综合介绍 BabelDOC 是一个开源工具，专门用来把 PDF 文档翻译成双语对照格式。它由 funstory-ai 团队开发，托管在 GitHub 上，主要服务于需要处理外语文档的用户，比如研究人员...

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 FreeAI 是一个基于 Pollinations.AI API 的开源 AI 应用平台，提供免费且无限制的 AI 聊天助手、图像生成和语音合成服务。这个项目由开发者 Azad-sl 在 G...

综合介绍 Open WebUI Artifacts Overhaul 是基于 Open WebUI 的一个分支项目，由开发者 Nick Tonjum 开发。它是一个开源工具，专注于提升 AI 生成代码...

综合介绍 OpenAvatarChat 是由 HumanAIGC-Engineering 团队开发的一个开源项目，托管在 GitHub 上。它是一个模块化的数字人对话工具，用户可以在单台 PC 上运行...

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 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 AudioX 是一个由 Zeyue Tian 等人在 GitHub 上开源的项目，官方论文发布于 arXiv（编号 2503.10522）。它基于扩散变换器（Diffusion Transf...

综合介绍 EasyControl 是一个开源项目，项目基于扩散变换器（DiT）架构，提供高效、灵活的图像生成控制。其中，Ghibli Control LoRA 是其特色功能之一，通过仅用 100 张亚...

综合介绍 YOLOE 是清华大学软件学院多媒体智能组（THU-MIG）开发的一个开源项目，全称“You Only Look Once Eye”。它基于 PyTorch 框架，属于 YOLO 系列的扩展...

综合介绍 Open-VoiceCanvas 是一个开源的语音合成平台，由 ItusiAI 团队开发。它支持超过 50 种语言，可以将文字转为自然语音，还能通过上传音频克隆个性化声音。项目整合了 Ope...

综合介绍 VideoMind 是一个开源的多模态AI工具，专注于长视频的推理、问答和摘要生成。它由香港理工大学的刘晔（Ye Liu）和新加坡国立大学Show Lab的团队共同开发。工具模仿人类理解视频...

综合介绍 SuperCoder 是一个在终端运行的智能工具，专为程序员设计。它利用 AI 技术，帮助用户搜索代码、查看项目结构、编辑文件和修复 bug。项目由 huytd 在 GitHub 上开源，支...

综合介绍 Emigo 是一个专为 Emacs 设计的开源 AI 编程助手，由 MatthewZMD 在 GitHub 上开发。它通过集成大型语言模型（LLM），帮助程序员在 Emacs 中完成代码分析...

综合介绍 SegAnyMo 是一个开源项目，由加州大学伯克利分校和北京大学的研究团队开发，包括 Nan Huang 等成员。这个工具专注于视频处理，能自动识别和分割视频中任意运动的物体，比如人、动物或...

综合介绍 GenXD 是一个开源项目，由新加坡国立大学（NUS）和微软团队开发。它专注于生成任意 3D 和 4D 场景，解决真实世界中 3D 和 4D 生成因数据不足和模型设计复杂带来的难题。项目通过...

综合介绍 ChatAnyone 是 HumanAIGC 团队开发的一个创新项目。它利用人工智能技术，从单张照片和音频输入生成带有上半身动作的数字人肖像视频。这个项目基于层次运动扩散模型，能生成头部动作...

综合介绍 Search-R1 是一个开源项目，由 PeterGriffinJin 在 GitHub 上开发，基于 veRL 框架构建。它通过强化学习（RL）技术训练大语言模型（LLM），让模型自主学会...

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 Optexity 是一个在 GitHub 上开源的项目，由 Optexity 团队开发。它的核心是用人类演示数据训练 AI 完成计算机任务，尤其是网页操作。项目包含三个代码库：Compute...

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 Cua 是一个开源项目，全称“Computer-Use Agent”（计算机使用代理），读作“koo-ah”。它专为 Apple Silicon 设备设计，能创建并运行高性能的 macOS ...

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 Anubis 是一个由 TecharoHQ 团队开发的开源工具，主要用来保护网站免受 AI 爬虫的侵扰。它在 HTTP 请求中加入 SHA256 工作量证明（Proof-of-Work）挑战...

综合介绍 OmniSQL 是一个开源项目，由 RUCKBReasoning 团队开发，托管在 GitHub 上。它的核心功能是将用户输入的自然语言问题转化为高质量的 SQL 查询语句，帮助用户轻松与数...

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 Morphik Core 是一个开源项目，由 morphik-org 团队开发，托管在 GitHub 上。它以前叫 DataBridge Core，现在更名为 Morphik Core。这个...

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 EditorJumper 是一个专为 JetBrains IDE 设计的插件，由 GitHub 用户 wanniwa 开发。它能让开发者在 JetBrains IDE（如 IntelliJ ...

综合介绍 VirtualWife 是一个开源的虚拟数字人项目，由开发者 yakami129 创建。它目前处于孵化阶段，目标是打造一个有“灵魂”的虚拟角色，用户可以像朋友一样与之互动。项目支持 B站直播...

综合介绍 GPT-Crawler 是由 BuilderIO 团队开发的一个开源工具，托管在 GitHub 上。它通过输入一个或多个网站 URL，爬取页面内容，生成结构化的知识文件（output.jso...

综合介绍 MegaTTS3 是字节跳动与浙江大学合作开发的一款开源语音合成工具，专注于生成高质量的中英文语音。它的核心模型只有 0.45B 参数，轻量高效，支持中英文混合语音生成和语音克隆。项目托管在...

综合介绍 KBLaM 是微软开发的一个开源项目，全称是“Knowledge Base augmented Language Model”（知识库增强语言模型）。它通过将外部知识转化为向量并嵌入大模型的...

综合介绍 LangGraph CodeAct 是 LangChain AI 团队在 GitHub 上开源的一个框架，基于 CodeAct 架构（详见论文 arXiv:2402.01030）。它通过生成...

综合介绍 BrowserTools MCP 是一个开源项目，由 AgentDeskAI 团队开发。它通过 Chrome 扩展和 Node.js 服务，让 AI 能实时监控浏览器活动，包括日志、网络请求...

综合介绍 AgentLaboratory 是一个开源工具，托管在 GitHub 上，由 Samuel Schmidgall 开发。它利用大语言模型（LLM）驱动的智能代理，帮助研究人员完成科研全流程...

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 G-Search-MCP 是一个开源的谷歌搜索工具，托管在 GitHub 上，由开发者 jae-jae 基于 google-search 修改而来。它通过 MCP（Model Context...

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 MIDI-3D 是 VAST-AI-Research 团队开发的一个开源项目，它能从一张图片快速生成包含多个物体的3D场景，适合开发者、研究人员和创作者使用。这个工具基于多实例扩散模型技术...

综合介绍 TripoSF 是 VAST-AI-Research 团队打造的一个开源项目，专门用来从单张图像快速生成高分辨率的 3D 模型。它用了一种叫 SparseFlex 的技术，处理效率高，能在普...

综合介绍 TripoSG 是由 VAST AI 研究团队开发的一个开源项目，能从单张图像生成高质量的 3D 模型。项目使用大规模整流流变换器技术，结合混合监督训练和优质数据集，让生成的 3D 模型拥有...

综合介绍 MoshiVis 是 Kyutai Labs 开发的一个开源项目，托管在 GitHub 上。它基于 Moshi 语音-文本模型（7B 参数），新增了约 2.06 亿个适配参数和冻结的 Pal...

综合介绍 MiniMind 是一个开源项目，由开发者 jingyaogong 创建。它的核心目标是让普通人也能快速训练自己的 AI 模型。MiniMind 主打特点是用 2 小时在单张 NVIDIA ...

综合介绍 WritingBench 是 X-PLUG 团队开发的一个开源项目，托管在 GitHub 上。它是一个专门用来测试大模型写作能力的工具，提供了 1239 个真实世界的写作任务。这些任务覆盖 ...

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 AI-ClothingTryOn 是一个基于 Python 的开源桌面应用程序，由开发者 speedTD 创建，托管在 GitHub 上。它利用 Google Gemini 人工智能技术，让...

综合介绍 OpenDeepSearch 是一个开源的搜索工具，由 sentient-agi 团队开发。它结合了大型语言模型（LLM）和智能推理代理，让用户可以用简单的方式搜索网页信息并获取准确答案。这...

综合介绍 Vibe Draw 是一个开源项目，它由 Martin Sit 开发，能让用户把手绘草图变成漂亮的 3D 模型。这个工具的目标很简单：让任何人都能轻松做 3D 建模，不需要高超的艺术技巧或复...

综合介绍 OAK（Open Agent Kit）是一个开源工具，帮助开发者快速搭建、自定义和部署AI智能体。它能连接任何大语言模型（LLM），比如OpenAI、Google或Anthropic的模型...

综合介绍 LangGraph CUA 是由 LangChain 团队开发的一个开源项目。它基于 LangGraph 框架，让开发者可以用 Python 打造能直接操作电脑的 AI 智能体。这个工具的核...

综合介绍 n8n-mcp-server 是一个开源项目，托管在 GitHub 上，由 Leonard Sellem 开发。它是一个 MCP（Model Context Protocol）服务工具，专门...

综合介绍 Flowgram.ai 是由 ByteDance 开发的一款开源流程搭建引擎。它基于节点编辑，帮助开发者快速创建工作流程，支持固定布局和自由连线两种模式。项目使用 TypeScript 编写...

综合介绍 Cursor Auto Register 是一个开源项目，托管在 GitHub 上。它由开发者 ddCat-main 创建，旨在帮助用户自动注册和管理 Cursor AI 代码编辑器的账号...

综合介绍 Qwen2.5-Omni 是阿里巴巴云 Qwen 团队开发的一款开源多模态 AI 模型。它能处理文本、图像、音频和视频等多种输入，并实时生成文本或自然语音响应。这款模型于 2025 年 3 ...

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 Dify-Plus是基于Dify开源项目二次开发的AI应用开发平台。它在Dify的基础上，新增了基于的管理中心，针对企业场景进行了功能优化。项目最初为企业内部使用，后来发现社区有类似需求，便...

综合介绍 Rankify 是由奥地利因斯布鲁克大学数据科学小组开发的开源 Python 工具包。它专注于信息检索、重排序和检索增强生成（RAG），提供了一个统一的框架。工具包内置 40 个预检索基准数...

综合介绍 CFG-Zero-star 是一个开源项目，由 Weichen Fan 和南洋理工大学 S-Lab 团队开发。它专注于改进流匹配模型中的分类器自由引导（CFG）技术，通过优化引导策略和零初始...

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 Motia 是一个面向软件工程师的开源 AI 代理框架，托管在 GitHub 上，由 MotiaDev 团队开发。它让开发者能用熟悉的编程语言（如 Python、TypeScript、Rub...

综合介绍 DiffSynth-Engine 是魔搭社区（ModelScope）推出的开源项目，托管于 GitHub。它基于扩散模型技术，专注于高效生成图像和视频，适合开发者在生产环境中部署 AI 模型...

综合介绍 RF-DETR 是 Roboflow 团队开发的一个开源对象检测模型。它基于 Transformer 架构，核心特点是实时高效。模型在微软 COCO 数据集上首次实现超过 60 AP 的实时...

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 PiT（Piece it Together）是一个开源工具，托管在 GitHub 上，由特拉维夫大学的 Elad Richardson 等研究者开发。它能让用户输入零散的图像零件，比如翅膀...

综合介绍 Agent TARS 是一个由字节跳动开源的多模态 AI 智能体，核心特点是通过视觉理解网页内容，并结合命令行和文件系统操作，帮助用户完成复杂的电脑任务。它不像传统工具需要手动操作，而是能自...

综合介绍 Qlib 是微软开发的一个开源平台，专注于用 AI 技术帮助用户研究量化投资。它从最基本的数据处理开始，支持用户探索投资想法并将其变成可用的策略。平台简单易用，适合想用机器学习提升投资研究的...

综合介绍 Auto-Audio-Book 是一个开源项目，托管在 GitHub 上。它能自动从网站爬取小说内容，并将其转换为带有多角色配音的有声书。开发者 zqq-nuli 使用 Python 3.1...

综合介绍 UniAPI 是一个兼容 OpenAI 协议的 API 转发器，核心功能是通过统一的 OpenAI 格式管理多个大模型服务商的 API，比如 OpenAI、Azure OpenAI、Clau...

综合介绍 Oliva 是一个开源的多智能体助手工具，由 Deluxer 在 GitHub 上开发。它通过多个 AI 智能体协作，帮助用户在 Qdrant 数据库中搜索产品信息。主要特点是支持语音操作...

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...

综合介绍 PDF Craft 是一个开源工具，专为扫描书籍的PDF设计，能将其转换为Markdown格式。它由 oomol-lab 开发，托管在 GitHub 上，适合喜欢整理电子书的用户。工具通过本...

综合介绍 InfiniteYou 是 ByteDance 智能创作团队开发的一个开源项目。它基于扩散变换器（DiTs）技术，使用 FLUX.1-dev 模型，核心功能是让用户上传照片并输入文字描述，生...

综合介绍 Grok-Mirror是一个基于 无服务器快速部署Grok3国内镜像站 构建的可经营的Grok镜像站。它让用户可以通过Docker一键部署本地Grok服务站。Grok是xAI公司推出的人工智...

综合介绍 LHM（Large Animatable Human Reconstruction Model）是一个开源项目，它由aigc3d团队开发，能从一张图片快速生成支持动作的3D人体模型。核心特色...

综合介绍 Second Me 是 Mindverse 团队开发的一个开源项目，它能让你在自己电脑上打造一个像“数字分身”的 AI。这个 AI 通过你的文字和记忆学会你的说话方式和习惯，变成一个懂你的智...

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 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 StarVector 是一个开源项目，它由 Juan A. Rodriguez 等开发者创建，目的是将图像和文字转化为可缩放矢量图形（SVG）。这个工具使用视觉语言模型，能够理解图像内容和文...

综合介绍 CortexON 是一个开源的多代理 AI 系统，托管在 GitHub 上，网址为 https://github.com/TheAgenticAI/CortexOn。它由 TheAgenti...

综合介绍 MarkPDFDown 是一个开源工具。它利用多模态大语言模型，把 PDF 文件转为 Markdown 格式。开发者是 GitHub 用户 jorben。这个工具的目标很简单：让 PDF 文...

综合介绍 Easy Dataset 是一个专门为大模型（LLM）微调设计的开源工具，托管在 GitHub 上。它提供了一个简单易用的界面，让用户可以上传文件、自动分割内容、生成问题和答案，最终输出适合...

综合介绍 Grok Playground 是由“技术爬爬虾”团队开发的一个开源项目。这个工具的核心功能是让用户在10秒内部署一个Grok3国内镜像网站。Grok3 是 xAI 推出的人工智能模型，而 ...

综合介绍 Skywork-R1V 是由 SkyworkAI（昆仑万维） 团队开发的一款开源多模态推理模型，发布于 GitHub。它能同时处理图像和文字，进行多步骤逻辑推理，特别擅长分析复杂图像问题。这...

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 Docs 是一个开源的协作笔记和文档管理平台，由 suitenumerique 团队开发。它使用 Django 和 React 技术构建，目标是提供一个简单易用的工具，帮助用户记录笔记、管理...

综合介绍 SmartRead 是一个基于 AI 的开源工具，专为技术文档设计。它能自动分析 PDF 文件，标注关键内容，比如重要术语、标题或核心观点，帮助用户快速理解复杂文档。同时，它还能提供与文档主...

综合介绍 Hunyuan3D-2 是腾讯开发的一个开源项目，旨在通过文字或图像生成高分辨率的3D模型。它由两个核心部分组成：形状生成模型（Hunyuan3D-DiT）和纹理生成模型（Hunyuan3D...

综合介绍 LangManus 是一个开源的 AI 自动化框架，托管在 GitHub 上。它由一群前同事在业余时间开发，属于学术驱动项目，目标是结合语言模型和专用工具，完成网页搜索、数据爬取和代码执行等...

综合介绍 Cursor Talk to Figma MCP 是一个开源项目，通过 Model Context Protocol (MCP) 协议连接 AI 编程工具 Cursor 和设计软件 Figm...

综合介绍 XianyuAutoAgent 是一个专为闲鱼平台设计的智能客服机器人系统，由开发者 shaxiu 在 GitHub 上开源。它通过 AI 技术实现 7×24 小时自动值守，帮助闲鱼卖家回复...

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 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 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 TxAgent 是哈佛大学医学与科学人工智能团队（MIMS）开发的一款开源AI工具，旨在帮助医生分析药物相互作用并制定个性化治疗方案。它通过多步骤推理和实时检索生物医学知识，结合患者的具体情...

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 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 Moffee 是一个开源工具，它能把 Markdown 文件快速变成专业的幻灯片，简单又高效。用户只需写好 Markdown 内容，Moffee 就能自动处理布局、分页和样式，省去手动排版的...