AI开源项目

综合介绍 Agno 是一个由 agno-agi 团队开发并托管于 GitHub 的开源 Python 库，致力于让开发者轻松构建具备记忆、知识和工具的 AI 智能体。它支持文本、图像、音频和视频等多模...

综合介绍 KGGen 是由斯坦福可信人工智能研究实验室（STAIR Lab）开发的一款开源工具，托管于 GitHub，旨在从任意文本中自动生成知识图谱。它利用先进的语言模型和聚类算法，将非结构化的文本...

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 BlinkShot 是一个开源的实时AI图像生成器，利用Together AI和Flux Schnell技术，用户可以在输入提示的同时生成高质量的图像。该平台完全免费，支持用户自定义和二次开...

综合介绍 GFPGAN（Generative Facial Prior GAN）是由腾讯ARC（Applied Research Center）开发的一种开源人脸修复算法。该算法利用预训练的面部GAN...

综合介绍 PocketFlow 是一个只有100行代码的轻量级AI应用开发框架，由 The-Pocket 团队开发并在 GitHub 上开源。它追求极简设计，核心代码控制在100行，没有任何外部依赖...

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 InstantIR 是由 InstantX 团队开发的一款创新的单图像修复模型，旨在复活您损坏的图像，提供极高质量且逼真的细节，能够对受损图像进行高质量的修复。该工具不仅可以恢复图像的细节...

综合介绍 OpenAI Edge TTS 是一个开源项目，提供与 OpenAI 兼容的本地文本转语音（TTS）API。该项目使用 Microsoft Edge 的在线文本转语音服务，允许用户生成高质量...

综合介绍 Qwen-Agent 是一个基于 Qwen 2.0 及以上版本开发的智能代理应用框架，具备指令跟随、工具使用、规划和记忆等能力。该框架提供了多种示例应用，如浏览器助手、代码解释器和自定义助手...

综合介绍 Midjourney Proxy是一个开源项目，旨在为Midjourney的Discord频道提供代理服务，将AI绘图功能转换为API形式。该项目完全免费且开源，支持一键换脸、图片混合、图生...

综合介绍 NV Ingest（NVIDIA Ingest） 是一套早期访问的微服务，专为解析数十万复杂、混乱的非结构化 PDF 和其他企业文档而设计。它能够将这些文档转换为元数据和文本，以便嵌入到检索...

综合介绍 Chonkie 是一个轻量级且高效的 RAG（Retrieval-Augmented Generation）文本切块库，旨在帮助开发者快速、简便地对文本进行分块处理。该库支持多种分块方法，包...

综合介绍 Memary 是一个创新的开源项目，专注于为自主智能体提供长期记忆管理解决方案。该项目通过知识图谱和专门的记忆模块，帮助智能体突破传统上下文窗口的限制，实现更智能的交互体验。Memary 采...

综合介绍 YuE是一个开源的全歌曲生成基础模型，专注于将歌词转化为完整的歌曲。与其他仅能生成短片段非声乐音乐的模型不同，YuE能够生成包含主唱和伴奏的完整歌曲，时长可达数分钟。该模型解决了音乐生成中的...

综合介绍 Step-Audio 是一个开源的智能语音交互框架，旨在提供生产环境开箱即用的语音理解和生成能力。该框架支持多语言对话（如中文、英文、日语）、情感语音（如快乐、悲伤）、区域方言（如粤语、四川...

综合介绍 Orion 是小米实验室开发的开源项目，专注于端到端（E2E）自动驾驶技术。它通过视觉语言模型（VLM）和生成式规划器，解决传统自动驾驶方法在复杂场景中因果推理不足的问题。Orion 整合长...

综合介绍 StreamingT2V是Picsart AI研究团队开发的一个公开项目，专注于根据文本描述生成连贯、动态且可扩展的长视频。这项技术使用先进的自回归方式，保证了视频的时间一致性，与描述文本紧...

综合介绍 MCP Containers 是一个开源项目，托管在 GitHub，专注于为 Model Context Protocol（MCP）服务器提供容器化解决方案。它通过 Docker 容器简化了...

综合介绍 Open Deep Research 是一个基于网络的研究助手，能够生成有关任何主题的综合研究报告。该系统采用计划和执行的工作流程，用户可以先对报告结构进行规划并审阅，然后进入耗时的研究阶段...

综合介绍 Auto-Deep-Research 是由香港大学数据智能实验室（HKUDS）开发的一款开源AI工具，旨在帮助用户自动完成深度研究任务。它基于 AutoAgent 框架打造，支持多种大语言模...

综合介绍 Anon-Kode 是一个基于终端操作的开源AI代码助手，由开发者 Daniel Nakov 在 GitHub 上推出。它专为程序员设计，通过集成支持 OpenAI 风格 API 的语言模型...

综合介绍 wechat-article-exporter 是一个开源工具，旨在帮助用户批量导出微信公众号文章。该工具支持导出文章中的内嵌音视频，无需搭建任何环境，能够100%还原文章样式，并支持私有部...

综合介绍 RMBG-2-Studio 是一款基于 BRIA-RMBG-2.0 模型开发的增强型背景移除和替换应用。该应用旨在为用户提供高效、准确的图像背景处理功能，适用于各种图像类型，包括电商、游戏和...

综合介绍 ChatGPT-on-WeChat项目是一个基于大模型的智能对话机器人，支持个人微信、微信公众号、企业微信应用、飞书、钉钉等多平台接入。用户可以选择GPT3.5、GPT-4、Claude、文...

综合介绍 Datalab 提供了一系列先进的AI模型，专注于OCR、布局分析、PDF转Markdown等功能。这些模型不仅性能卓越，而且易于使用，并且是开源的。平台上的Marker模型可以快速准确地将...

综合介绍 ChatTTS 是一个专为对话场景设计的生成语音模型。它能够生成自然且富有表现力的语音，支持多种语言和多位说话者，适用于互动对话。该模型通过预测和控制细粒度的韵律特征，如笑声、停顿和插话，超...

综合介绍 LangBot 是一个基于大模型的即时通信机器人平台，支持多种消息平台和大模型。该平台适配 QQ、微信（企业微信、个人微信）、飞书、Discord、OneBot 等消息平台，并支持 Open...

综合介绍 Llasa-3B是由香港科技大学音频实验室（HKUST Audio）开发的一个开源文本转语音（TTS）模型。该模型基于Llama 3.2B架构，经过细致调优，提供高质量的语音生成，不仅支持多...

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 Whisper Input 是一个开源的语音转译工具，用户可以通过按下 Option 按钮开始录制语音，抬起按钮结束录制。该工具调用 Groq Whisper Large V3 Turbo ...

综合介绍 Mem0（发音为“mem-zero”）是一个为AI助手和代理提供智能记忆层的开源项目。它能够记住用户偏好，适应个体需求，并随着时间的推移不断改进，使其成为客户支持聊天机器人、AI助手和自主系...

综合介绍 Hugging Face的Open R1项目是一个完全开源的DeepSeek-R1复现项目，旨在构建R1管道的缺失部分，使每个人都能复现并在其基础上进行构建。该项目设计简单，主要包括训练和评...

综合介绍 AutoGen是由微软研究团队开发的开源框架，专注于通过多智能体对话来简化大型语言模型（LLM）应用的构建。它允许开发者创建可以相互对话、协作解决任务的AI代理。这种方法不仅提高了LLM的性...

综合介绍 n8n自托管AI入门套件是一个开源的Docker Compose模板，旨在快速初始化一个全面的本地AI和低代码开发环境。由n8n团队精心策划，该套件结合了自托管的n8n平台和一系列兼容的AI...

综合介绍 OpenWebUI-Monitor 是一个用于监控 OpenWebUI 用户活动和管理使用限额的仪表板。它可以高效地设置用户配额，实时查看用户数据和可视化信息，支持一键部署，方便用户管理和监...

综合介绍 TinyZero 是一个基于 veRL 的强化学习模型，旨在复现 DeepSeeK-R1 Zero 在倒计时和乘法任务中的表现。令人惊讶的是，该项目仅需 30 美元的运行成本（使用 2xH2...

综合介绍 TANGO (Co-Speech Gesture Video Reenactment with Hierarchical Audio-Motion Embedding and Diffusi...

综合介绍 AI-reads-books-page-by-page是一个基于Python开发的智能PDF书籍分析工具，它能够自动化地对PDF书籍进行逐页分析，提取关键知识点，并在指定页数间隔后生成阶段性...

综合介绍 AutoAgent是由香港大学数据智能实验室（HKUDS）开发的一个开源AI智能体框架，托管于GitHub。它允许用户通过纯自然语言描述需求，快速创建和部署定制化的AI智能体，无需任何编程基...

综合介绍 Diffusers Image Outpaint 是由 Hugging Face 社区成员 fffiloni 创建的一个强大的 AI 图像扩展工具。该工具利用先进的扩散模型技术，可以将图像进...

综合介绍 Dia 是一个由 Nari Labs 开发的开源文本转语音（TTS）模型，专注于生成超现实的对话音频。它能在一次处理中将文本脚本转化为逼真的多角色对话，支持情感和语调控制，甚至能生成非语言表...

综合介绍 DUIX（Dialogue User Interface System）是由硅基智能创建的AI驱动的数字人交互平台。通过开源数字人交互功能，开发者可以轻松集成大规模模型、自动语音识别（ASR...

WebPilot 综合介绍 Webpilot是一个免费开源的“网页助手”，它可以让你和任何网页进行自由交流，或者执行自动任务。你不需要切换网页或者复制粘贴，只需要选择文本或者输入指令，webpilot...

综合介绍 MMAudio是一个开源项目，旨在通过多模态联合训练生成高质量的同步音频。该项目由香港中文大学的程浩基（Ho Kei Cheng）等人开发，主要功能是根据视频和/或文本输入生成同步音频。MM...

综合介绍 Orate 是一个专注于语音生成与转录的人工智能工具包。它提供了一个统一的API，能够与领先的AI提供商（如OpenAI、ElevenLabs和AssemblyAI）无缝集成，帮助用户创建逼...

综合介绍 AsrTools是一款智能语音转文字工具，内置剪映、快手、必剪等大厂接口，无需GPU或繁琐配置，支持高效的多线程批处理。它基于PyQt5开发，界面美观且用户友好，能够输出SRT和TXT格式字...

综合介绍 ImBD (Imitate Before Detect) 是一个开创性的机器生成文本检测项目，该项目发表于AAAI 2025会议。随着ChatGPT等大语言模型(LLMs)的广泛应用，识别A...

综合介绍 AI RSS是一个创新的工具，通过AI技术将网页内容转换为RSS订阅源。它包含两个主要部分：一个浏览器插件和一个服务器端。浏览器插件允许用户选择网页中的列表并生成结构化数据描述（SDD）文件...

综合介绍 GPT-SoVITS是一款开源的语音转换与合成工具，结合了GPT模型和SoVITS变声器技术。该工具支持零样本与少量样本的即时文本转语音，仅需5秒音频样本即可实现声音风格迁移。其特色包括跨语...

综合介绍 Agent.exe 是一个开源的 Electron 应用程序，利用 Anthropic 的 Claude 3.5 Sonnet API，让用户可以通过 AI 直接控制本地计算机。该项目由 K...

综合介绍 tldraw是一款免费且即时的协作绘图工具，提供一个无限画布，用户可以快速绘制图形、撰写文字并进行即时协作。具备界面直观、性能优秀的特点，适用于团队协作和远程工作。通过开源社区支持，tldr...

综合介绍 Tabby 是一个开源的 AI 编程助手，由 TabbyML 团队开发，用户可以自己部署在本地或服务器上。它提供类似 GitHub Copilot 的功能，比如代码自动补全和智能问答，但最大...

综合介绍 Unstructured-IO 提供了一系列开源组件，用于处理和预处理图像和文本文档，如 PDF、HTML、Word 文档等。其主要目标是简化和优化数据处理工作流程，特别是为大语言模型（LL...

综合介绍 HippoRAG 是俄亥俄州立大学 OSU-NLP 小组开发的一个开源框架，灵感来源于人类长时记忆机制。它结合检索增强生成（RAG）、知识图谱和个性化 PageRank 技术，帮助大语言模型...

综合介绍 Refly 是一个基于自由画布的 AI 原生创作引擎，旨在通过多线程对话、知识库集成、上下文记忆和智能搜索技术，帮助用户将创意转化为高质量内容。该平台覆盖了超过 20 种专业场景模板，包括学...

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 ChatFree是一个开源项目，旨在让用户的AI应用摆脱浏览器的束缚，实现本地化运行。利用GPT API创建的Copilot，旨在支持多种办公软件如Office、Word、WPS等。该项目由...

综合介绍 Deep Live Cam 是一个开源的人工智能工具，旨在通过单张照片实现实时换脸和深度伪造视频生成。该工具利用先进的深度学习算法，能够在直播或视频通话中实时替换人脸，保护用户隐私并增加趣味...

综合介绍 DeepFace是一个轻量级的面部识别和面部属性分析（包括年龄、性别、情绪和种族）的Python库。它集成了多种先进的面部识别模型，如VGG-Face、FaceNet、OpenFace、De...

综合介绍 DeOldify 是一个基于深度学习技术的开源项目，专门用于为黑白照片和视频进行智能上色和修复。该项目采用创新的 NoGAN 训练方法，成功解决了传统 GAN 网络在图像上色过程中常见的瑕疵...

因国内部署无法访问hugging face，所以在大佬部署方案的基础上改造成能部署到cloudflare workers。 准备工作 1、注册 cloudflare 2、注册hugging fac...

综合介绍 AI Hedge Fund 是一个利用多代理系统进行交易决策的人工智能对冲基金。该系统通过多个专门的代理协同工作，包括市场数据代理、量化代理、风险管理代理和投资组合管理代理，以实现复杂的交易...

综合介绍 VLM-R1 是由 Om AI Lab 开发的一个开源视觉语言模型项目，托管在 GitHub 上。该项目基于 DeepSeek 的 R1 方法，结合 Qwen2.5-VL 模型，通过强化学习...

综合介绍 R1-V 是一个开源项目，旨在通过低成本的强化学习（RL）实现视觉语言模型（VLM）的突破。该项目利用可验证的奖励机制，激励 VLMs 学习通用的计数能力。令人惊叹的是，R1-V 的 2B ...

综合介绍 RD-Agent是由微软推出的一款开源工具，旨在自动化和优化研究与开发（R&D）过程。该工具专注于数据驱动的场景，通过人工智能技术提升模型和数据的开发效率。RD-Agent集成了研究...

综合介绍 百聆（Bailing）是一个开源的语音对话助手，旨在通过语音与用户进行自然的对话。该项目结合了语音识别（ASR）、语音活动检测（VAD）、大语言模型（LLM）和语音合成（TTS）技术，实现了...

综合介绍 Llama OCR 是一个基于 Llama 3.2 Vision 的 OCR（光学字符识别）库，能够将文档转换为 Markdown 格式。该库由 Nutlope 开发，使用 Together...

QAnything 综合介绍 QAnything(Question and Answer based on Anything)是由网易推出的本地知识库问答系统，支持各类文件格式及数据库，可离线安装使用...

综合介绍 One API 是一个开源的接口管理与分发系统，支持多种大模型如 OpenAI ChatGPT、Anthropic Claude、Google PaLM 2 & Gemini 等。该...

综合介绍 NeoAI是一款创新的开源AI助手工具，它通过自然语言对话的方式让用户轻松控制和管理电脑。无需编写任何代码，用户只需要用日常对话的方式就能完成文件查找、任务自动化、设备管理等操作。NeoAI...

综合介绍 AI2SRT是一个开源项目，利用GeminiAI大模型，为长视频一键生成解说短视频和视频总结，同时支持音视频转录字幕。该项目旨在简化视频内容创作过程，提供高效的字幕生成和翻译功能。用户可以通...

综合介绍 Coze on WeChat 是一个开源项目，旨在帮助用户将 Coze 平台的 AI 机器人无缝接入微信。它基于 chatgpt-on-wechat 和 dify-on-wechat 开发...

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 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 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 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 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 Audiblez 是一个开源项目，旨在将电子书（如 .epub 格式）转换为有声书（如 .m4b 格式）。该项目利用 Kokoro 的高质量语音合成技术，支持多种语言和多种声音。用户只需简单...

综合介绍 DeepSeek-VL2 是一系列高级的 Mixture-of-Experts (MoE) 视觉语言模型，显著提升了其前身 DeepSeek-VL 的性能。该模型在视觉问答、光学字符识别、文...

综合介绍 AiPPT 是一个基于人工智能技术的PPT生成工具，旨在帮助用户快速创建专业演示文稿。它通过输入主题、上传文件或提供网址等方式，自动生成内容丰富、设计精美的幻灯片，支持原生图表、动画和3D特...

综合介绍 敏感词过滤工具（Sensitive Word）是一个基于DFA算法实现的高性能Java敏感词过滤工具框架。该工具能够高效地检测和过滤敏感词，支持多种格式转换和自定义替换策略。其设计目标是提供...

综合介绍 OpenManus-RL是由UIUC-Ulab与 MetaGPT 社区的OpenManus团队联合开发的开源项目，托管于GitHub。该项目通过强化学习（RL）技术提升大型语言模型（LLM...

综合介绍 Browser-Use是一个创新的开源网页自动化工具，专门设计用于让语言模型(LLM)能够自然地与网站进行交互。它提供了一个强大而灵活的框架，支持多种主流语言模型，包括GPT-4、Claud...

综合介绍 Spark-TTS 是由 SparkAudio 团队开发的一款开源文本转语音（Text-to-Speech, TTS）工具，托管在 GitHub 上，旨在帮助用户将文本高效转换为自然流畅的语...

综合介绍 Linly-Talker 是一个创新的数字人对话系统，结合了大语言模型（LLMs）与视觉模型，创造出一种新颖的人机互动方式。该系统集成了多种技术，如 Whisper、Linly、Micros...

综合介绍 Goose是由 Block 公司开发的一个开源AI代理工具，旨在帮助开发者自动化处理日常开发任务。它支持多种大型语言模型（LLM），通过命令行或桌面应用接口与用户互动。Goose可以执行从代...

综合介绍 FinGPT 是由 AI4Finance 基金会开发的开源金融大语言模型平台，专为金融领域设计，旨在解决复杂的金融任务，并推动金融科技的创新发展。FinGPT 利用轻量化适配技术和强化学习方...

综合介绍 dify-plugin-tools-dbquery 是一个专为 Dify 1.0 平台设计的开源插件，由开发者 junjiem 在 GitHub 上发布。它提供数据库查询功能，帮助用户在构建...

综合介绍 Agent Inbox是由LangChain团队开发的一个开源项目，旨在提供一种新的用户体验，用于与AI智能体进行交互。该项目允许用户通过一个集中的界面管理和优化与多个AI智能体的交互。Ag...

综合介绍 k8m 是一款轻量级、跨平台的 Mini Kubernetes AI Dashboard，专为简化集群管理设计。它基于 AMIS 构建，并通过 kom 作为 Kubernetes API 客...

综合介绍 Fish Speech 衍生项目 Fish Agent 是一款革命性的端到端AI语音克隆系统，基于V0.1 3B模型架构开发。作为一个完全端到端的语音克隆处理系统，其最大特点是采用创新的无语...

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 ComfyUI-Copilot是一个专为ComfyUI框架设计的AI驱动自定义节点，旨在通过自然语言交互提升AI算法调试与部署的效率。它由AIDC-AI团队（阿里巴巴）开发并开源于GitHu...

综合介绍 99AI 是一个开源的 AI Web 应用项目，旨在提供一个易部署、低门槛的集成化人工智能服务平台。该项目支持智能对话、多模态模型、应用广场、联网搜索等功能，并集成了 AI 绘画、音乐和视频...

综合介绍 Klavis AI 是一个开源平台，专注于简化模型上下文协议（MCP）的使用和集成。MCP 是一种开放标准，允许 AI 应用与外部工具和数据源动态连接。Klavis AI 提供 Slack...

综合介绍 Cognita 是由 TrueFoundry 开发的一个开源框架，旨在简化基于 RAG（Retrieval-Augmented Generation）的应用开发。该框架提供了一个结构化的、模...

综合介绍 微信视频号下载器是一个开源项目，旨在帮助用户快速下载微信视频号中的视频内容。该工具支持多种视频格式和平台，用户可以方便地在Windows和macOS系统上使用。项目由ltaoo开发，并托管在...

综合介绍 Hibiki 是由 Kyutai Labs 开发的一款高保真度实时语音翻译模型。与传统的离线翻译不同，Hibiki 能够在用户讲话的同时，实时生成目标语言的自然语音翻译，并提供文本翻译。该模...