标签：AI开源项目 第39页

综合介绍 Kotaemon 是一个开源的文档问答工具，旨在为终端用户和开发者提供基于检索增强生成（RAG）的问答功能。该项目由 Cinnamon 开发，支持多种 LLM API 提供商（如 OpenAI、AzureOpenAI、Cohere 等）以及本地...

综合介绍 HivisionIDPhotos 是一款开源的轻量级 AI 证件照制作工具，能够智能识别用户拍照场景并进行抠图，生成符合多种规格的标准证件照。该工具支持自定义背景色和尺寸，未来还将推出美颜和智能换正装功能。用...

综合介绍 Marker 是一个基于深度学习的文档处理工具，旨在将 PDF 文件快速准确地转换为 Markdown 格式。它支持多种文档类型，特别优化了书籍和科学论文的转换。Marker 能够去除页眉页脚等多余内容，格式化表格和...

综合介绍 SadTalker是一个开源工具，能够将单张静态人像照片和音频文件结合，创造出逼真的说话头像视频，适用于个性化信息、教育内容等多种场景。革命性地使用3D建模技术，如ExpNet和PoseVAE，优秀地捕获细微的面...

综合介绍 VideoReTalking是一款创新的系统，允许用户根据输入音频生成唇形同步的面部视频，即使有不同的情绪，也能产生高质量且嘴唇同步的输出视频。系统将这一目标分解为三个连续任务：带有典型表情的面部视频生...

综合介绍 MuseV是一个GitHub上的公共项目，旨在实现无限长度和高保真度的虚拟人视频生成。它基于扩散技术，并提供了Image2Video、Text2Image2Video、Video2Video等多种功能。提供了模型结构、使用案例、快速开始...

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（LLM）应用提供支持。Unstructured...

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就会为你提供实时信息和智...

综合介绍 DB-GPT是一个开源的AI原生数据应用开发框架，采用AWEL(Agentic Workflow Expression Language)和智能体技术构建。该项目旨在大模型领域构建基础设施，通过开发多项技术能力，包括多模型管理系统(SMMF)、...

DreamTalk 综合介绍 DreamTalk是一个扩散模型驱动的表情说话头生成框架，由清华大学、阿里巴巴集团和华中科技大学联合开发。主要由降噪网络、风格感知嘴唇专家和风格预测器三部分构成，能够基于音频输入生成多样...

综合介绍 GPT Crawler 是一个开源工具，允许用户通过抓取特定网站内容来生成知识文件，进而创建定制的 GPT 模型。该项目主要用于抓取和整理网页信息，支持通过 API 和本地部署运行。用户可以灵活配置爬虫，以适应...

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、地标图片与...

综合介绍 ComfyUI Portrait Master 中文版是一个专为AI图像创作者设计的人物肖像提示词生成工具。该工具通过优化提示词，帮助用户生成高质量的人物肖像。用户可以根据需求选择不同的镜头类型、性别、国籍、面部表...

综合介绍 IOPaint是一款免费且开源的AI图像处理工具，支持图像擦除、修复和扩展等功能。它采用最先进的AI模型，能够帮助用户轻松移除图像中的不需要对象、修复瑕疵、添加新内容，甚至扩大图像。IOPaint完全自托管...

综合介绍 GPT Academic 是一个专门为学术研究优化的大语言模型交互平台，为 GPT/GLM 等大语言模型提供实用化交互接口的工具，特别优化了论文翻译、论文阅读、润色和写作体验。它采用模块化设计，支持自定义快捷按...

综合介绍 STORM是由斯坦福大学 Oval 团队开发的一个知识整合和文章生成系统。它专注于从头开始生成类似维基百科的详尽文章（成体系的论文）。系统利用大型语言模型进行话题研究，准备概要并模拟实际互联网来源的...

综合介绍 XHS-Downloader 是一个开源工具，专为小红书用户设计，支持提取和下载小红书上的无水印图片和视频作品。该工具提供多种功能，包括从浏览器获取 Cookie、支持命令行操作、批量下载、断点续传等。用户可以...