AI开源项目

综合介绍 RuoYi AI 是一个基于 ruoyi-plus 框架开发的后端项目，专注于集成 AI 聊天和绘画功能。它完全开源免费，采用 Java17 和 SpringBoot 3.X 技术栈，后台管...

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 PPTAgent是一个创新的系统，旨在从文档中自动生成演示文稿。该系统借鉴了人类创建演示文稿的方法，采用两步流程确保内容质量和视觉效果。此外，PPTAgent还引入了PPTEval，一个全面...

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 Fish Speech是由Fish Audio开发的一款开源文本到语音（TTS）合成工具。该工具基于VQ-GAN、Llama和VITS等前沿AI技术，能够将文本转换成逼真的语音。Fish S...

综合介绍 Browser Use Web UI是一个创新的开源项目，专注于为AI代理提供浏览器交互能力的图形化界面工具。该项目建立在 browser-use 核心框架之上，通过Gradio构建了一个用...

综合介绍 PaddleOCR 是一个基于 PaddlePaddle 的多语言 OCR 工具包，旨在提供实用且超轻量级的 OCR 系统。它支持超过 80 种语言的识别，并提供数据标注和合成工具，支持在服...

综合介绍 Kokoro WebGPU是Kokoro文本转语音（TTS）模型的WebGPU版本，由WebML Community在Hugging Face平台上提供。该项目利用WebGPU技术，使用户能...

综合介绍 ComfyUI-disty-Flow 是一个为 ComfyUI 提供用户友好界面的自定义节点。它旨在通过提供替代用户界面来简化工作流程的运行，而不是替代工作流程的创建。ComfyUI-dis...

综合介绍 FlowiseAI 是一个开源的低代码工具，旨在帮助开发者构建自定义的LLM（大语言模型）应用和AI代理。通过简单的拖放界面，用户可以快速创建和迭代LLM应用，从测试到生产的过程变得更加高效...

综合介绍 Open Codex 是一个开源的命令行AI工具，专为开发者设计，能将自然语言指令转换为精准的Shell命令。它使用本地语言模型（如 phi-4-mini），无需联网或API密钥，所有操作在...

综合介绍 Aider是一款强大的开源AI编程助手工具，它能够通过自然语言对话的方式帮助开发者编写、编辑和重构代码。作为一款交互式的AI配对编程工具，Aider支持多种主流编程语言，可以无缝集成到Git...

综合介绍 阿布量化交易系统是一个基于Python开发的开源平台。它由用户“bbfamily”创建，旨在帮助投资者通过代码实现量化交易策略。系统支持股票、期权、期货和比特币等多种金融产品的回测与交易。它...

综合介绍 Page Assist 是一个开源的浏览器扩展，旨在为用户提供与本地AI模型交互的便捷方式。通过这个扩展，用户可以在任何网页上打开一个侧边栏，与本地运行的AI模型进行互动。Page Assi...

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 AgenticSeek 是一个完全本地运行的开源AI助手，基于 Deepseek R1 模型开发。它不需要云端API，也不产生每月数百美元的费用。它的目标是成为类似电影中“贾维斯”的智能助手...

综合介绍 VoltAgent 是一个开源的 TypeScript 框架，专为开发者设计，帮助快速构建和协调 AI 智能体。它提供模块化的工具和标准化的开发模式，简化了与大型语言模型（LLM）交互、状态...

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 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 IC-Light是一个用于图像照明控制的项目，旨在通过先进的AI模型操控图像的光照效果。该项目由Lvmin Zhang等人开发，提供了两种主要模型：文本条件重光模型和背景条件模型。用户可以通...

综合介绍 InstantCharacter 是由腾讯 Hunyuan 和 InstantX 团队开发的一个开源项目，托管在 GitHub 上。它通过一张参考图片和一句文本描述，就能生成外观一致的角色图...

综合介绍 DDG-Chat 是一个开源项目，旨在提供一个可以一键部署到多种平台的 ChatGPT API 后端。该项目支持多种模型，包括 GPT-4o mini、Claude 3 Haiku、Llam...

综合介绍 OpenPilot 是由 comma.ai 开发的开源自动驾驶系统，旨在通过先进的驾驶辅助功能提升现有车辆的驾驶体验和安全性。自 2016 年首次发布以来，OpenPilot 已支持超过 2...

综合介绍 Deep Chat 是一个开源的 AI 聊天组件，专为网站开发者设计。它由 Ovidijus Parsiunas 开发，托管在 GitHub 上，目前已有超过 2k 星标。用户可以通过简单配...

综合介绍 GraphRAG-Dify是一个开源项目，旨在结合GraphRAG和Dify技术，快速创建和部署AI Agent。该项目利用FastAPI和Uvicorn进行服务搭建，并支持DSL导入，方便...

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 BEN2（Background Erase Network 2）是由Prama LLC开发的一款深度学习模型，专门用于自动从图像中移除背景，并生成前景图像。该模型采用了创新的Confiden...

综合介绍 GitIngest 是一个开源工具，旨在将 GitHub 代码库转化为适合大语言模型（LLM）提示的文本。通过简单的操作，用户可以将任何 GitHub 仓库的内容提取并格式化为适合 LLM ...

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

综合介绍 NGCBot 是一个基于 HOOK 机制开发的微信机器人开源项目，由开发者 ngc660sec（云山/eXM）创建并托管于 GitHub。经过两年迭代，目前版本为 V2.3，功能从最初的简单...

综合介绍 BetterWhisperX 是一个基于 WhisperX 项目的优化版本，专注于提供高效、准确的自动语音识别(ASR)服务。作为 WhisperX 的改进分支，该项目由 Federico ...

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 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 Magic MCP 是由 21st.dev 团队开发的一款 AI 驱动工具，专为前端开发者设计。它能通过自然语言描述即时生成现代化的 UI 组件，集成在 Cursor、WindSurf 和 ...

综合介绍 Qwen2.5-VL 是阿里巴巴云（Alibaba Cloud）Qwen 团队开发的开源多模态大模型。它能同时处理文本、图像、视频和文档，是 Qwen2-VL 的升级版，基于 Qwen2.5...

综合介绍 MCP-Playwright 是一个由 ExecuteAutomation 开发并托管在 GitHub 上的开源工具。它基于 Playwright 和 Model Context Proto...

综合介绍 Outlines 是一个由 dottxt-ai 开发的开源库，旨在通过结构化文本生成来提升大语言模型（LLM）的应用能力。该库支持多种模型集成，包括 OpenAI、transformers...

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 Cognee是一个专为AI应用和AI代理设计的可靠数据层解决方案。旨在加载和构建LLM(大型语言模型)上下文，通过知识图谱和向量存储创建准确和可解释的AI解决方案。该框架有利于成本节约、可解...

综合介绍 Abogen 是一个开源工具，专为将 ePub、PDF 或纯文本文件快速转换为高质量音频而设计。它使用 Kokoro-82M 模型生成自然流畅的语音，同时支持同步字幕生成，适合制作有声读物...

综合介绍 AutoGen Studio 2.0 是一个由 AutoGen 提供支持的用户界面，旨在简化创建和管理多代理解决方案的过程。该平台通过直观的界面，使用户能够声明性地定义和修改代理及其工作流程...

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 Eliza是一个先进的多智能体(Multi-Agent)开发框架,致力于简化自主智能体(Autonomous Agent)的构建和部署过程。它支持部署多个具有不同角色设定的智能体,可实现智能...

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 Steel Browser是一个开源的浏览器API，专为AI代理和应用程序设计。它提供了一个完整的浏览器实例，允许用户在不需要担心基础设施的情况下自动化网页操作。Steel Browser支...

综合介绍 TubeTube是一个开源的YouTube视频下载工具，由MattBlackOnly开发。该工具使用yt-dlp作为核心下载引擎，支持多线程下载，能够快速同时下载多个视频。用户可以通过YAM...

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 PPTX2MD是一个开源工具，旨在将PowerPoint的PPTX文件转换为Markdown格式。该工具由GitHub用户ssine开发，支持保留标题、列表、文本格式（如粗体、斜体、颜色和超...

综合介绍 Klee 是一个开源桌面应用程序，旨在帮助用户在本地运行开源大语言模型（LLM），并提供安全的私人知识库管理和 Markdown 笔记功能。它基于 Ollama 和 LlamaIndex 技...

综合介绍 MNN（Mobile Neural Network）是阿里巴巴开发的一个高效、轻量级的深度学习框架，专为移动端设备优化。MNN不仅能够在移动设备上进行快速推理，还支持多模态任务，包括文本生成...

综合介绍 Stagehand是一个专注于简洁性和可扩展性的AI网页浏览框架。它完全兼容Playwright，提供了三个简单的AI API（act、extract和observe），这些API构建在基础...

综合介绍 InstantID是一项先进的技术，专注于利用单张参考身份证图片，在几秒钟内生成具有个性化风格或姿态的图像，同时确保高度保真。该技术采用了基于扩散模型的解决方案，通过集成面部图片、地标图...

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 Mad Professor（暴躁的教授读论文） 是一个开源的 AI 学术工具，专为研究人员和学生设计，旨在简化学术论文的阅读和分析。它集成了 PDF 处理、AI 翻译、RAG 检索、AI 问...

综合介绍 Step1X-Edit 是一个开源图像编辑框架，由 Stepfun AI 团队开发，托管于 GitHub。它结合多模态大语言模型（Qwen-VL）和扩散变换器（DiT），让用户通过简单的自然...

综合介绍 Orama 是一个开源的高性能搜索引擎，完全用 TypeScript 编写，支持全文本搜索、向量搜索和混合搜索。Orama 旨在在任何 JavaScript 运行时环境中工作，提供快速、可靠...

综合介绍 CrewAI 是一个先进的框架，旨在协调角色扮演和自主AI代理的协作。通过促进协作智能，CrewAI 使代理能够无缝协作，解决复杂任务。无论是构建智能助手平台、自动化客户服务团队，还是多代理...

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 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 MoneyPrinterTurbo 是一个开源项目，利用先进的AI大模型技术，实现了一键生成高清短视频的功能。用户只需提供一个视频主题或关键词，系统便会自动生成视频文案、视频素材、视频字幕和...

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 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...

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 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 Gemini OpenAI API代理是一个免费且无需服务器维护的OpenAI兼容端点。用户可以轻松将其部署到Vercel、Netlify和Cloudflare等平台，适用于个人使用。该项目...

综合介绍 TreeGPT 是一个基于 Next.js 开发的开源聊天应用，专注于通过树状图结构（有向无环图，DAG）可视化与大型语言模型（LLM，如 GPT）的对话，取代传统的线性聊天方式，提升速度和...

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 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 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 Kokoro 82M 是由 Hugging Face 提供的一个高效语音合成模型，旨在通过较少的参数和数据生成高质量的语音。该模型拥有 8200 万参数，使用 Apache 2.0 许可证发...

综合介绍 Firecrawl MCP Server 是由 MendableAI 开发的一款开源工具，基于 Model Context Protocol (MCP) 协议实现，与 Firecrawl A...

综合介绍 BlenderMCP 是一个开源工具，它通过 Model Context Protocol (MCP) 协议将 Blender 与 Claude AI 连接起来。用户可以用文字指令直接控制 ...

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 AI Auto Free 是一个强大的自动化工具，旨在帮助用户无限制地使用AI驱动的集成开发环境（IDE），如 Cursor 和 Windsurf 。该项目提供跨平台支持，并包含多种语言功能...

综合介绍 MediaCrawler是一个专为开发者设计的社交媒体内容爬虫工具。通过提供一个强大的爬虫功能，它能够快速地从小红书、抖音、快手、B站、微博等社交平台抓取视频、图片、评论、点赞、转发等数据...

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 AigcPanel是一款面向所有用户的一站式AI数字人制作系统，采用electron+vue3+typescript技术栈开发，支持Windows系统一键部署。系统设计以用户友好为核心，即使...

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 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 Unsloth 是一个开源项目，旨在提供高效的微调和训练大语言模型（LLMs）的工具。该项目支持多种知名模型，包括 Llama、Mistral、Phi 和 Gemma 等。Unsloth 的...

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 AIstudioProxyAPI 是一个开源项目，使用 Node.js 和 Playwright 技术，通过模拟 OpenAI API 的方式，将 Google AI Studio 网页版的...

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 Tifa-DeepsexV2-7b-MGRPO-GGUF-Q4是一个高效的语言模型，专为支持复杂的角色扮演和多轮对话而设计。基于Qwen2.5-7B进行深度优化，具有卓越的文本生成和对话能力...

综合介绍 Fabric 是由 Daniel Miessler 开发的开源 AI 框架，旨在简化和自动化日常计算机任务，使人工智能更易于使用。它通过模块化设计和预设提示词（Patterns）帮助用户高效...

综合介绍 Kolors Virtual Try-On 是由 Kwai-Kolors 团队在 Hugging Face 平台上推出的一款虚拟试穿应用。该应用利用先进的人工智能技术，帮助用户在虚拟环境中试...

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 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 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 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...

综合介绍 Sonic 是一个专注于全球音频感知的创新平台，旨在通过音频驱动生成生动的肖像动画。该平台由腾讯和浙江大学的研究团队开发，利用音频信息来控制面部表情和头部运动，从而生成自然流畅的动画视频。S...

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 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 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 MTEB（Massive Text Embedding Benchmark）是一个由 embeddings-benchmark 团队开发并托管在 GitHub 上的开源项目，旨在为文本嵌入模...

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 MangaNinjia 是阿里巴巴通义视觉智能实验室（Ali-Vilab）开发的一个开源项目，专注于线稿上色的自动化处理。这一工具通过深度学习技术，实现了对参考图像的精确色彩匹配，极大地提高...

综合介绍 DiffRhythm 是由 ASLP-lab（西北工业大学音频、语音与语言处理小组）开发的一个开源项目，专注于通过人工智能技术实现端到端的音乐创作。它基于潜扩散模型（Latent Diffu...

综合介绍 Gemini Teacher 是一个基于 Google Gemini AI 的英语口语练习助手。它能够实时识别用户的英语发音，并提供即时反馈和纠正建议。该工具旨在帮助用户提高英语口语能力，通...