AI开源项目

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 OWL（Optimized Workforce Learning）是由 CAMEL-AI 团队开发的一个开源框架，专注于优化多智能体协作以实现真实世界任务的自动化。基于 CAMEL-AI 架...

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 Markdown to Image 是一个用于将Markdown文本渲染为视觉上吸引人的社交媒体图片的React组件。该项目还包括一个内置的网页编辑器，可以作为在线Markdown到海报编辑...

综合介绍 AI ContentCraft 是一个多功能的内容创作工具，集成了文本生成、语音合成、图像生成等功能。它可以帮助创作者快速生成故事、播客脚本和配套的音视频内容。该工具支持多种语言转换，能够批...

综合介绍 VimLM是一个Vim插件，提供了一个由本地LLM（大语言模型）驱动的代码助手。通过Vim命令与本地LLM模型交互，自动获取代码上下文，帮助用户在Vim中进行代码编辑。VimLM的设计灵感来...

综合介绍 FastAPI DocGPT 是一个基于 FastAPI 的文档问答系统，允许用户上传 PDF 文件并基于文档内容进行问答。该系统使用 OpenAI 的嵌入技术将文档内容嵌入到向量数据库 Q...

综合介绍 RAIN（Real-time Animation Of Infinite Video Stream）是一个开源项目，旨在实现实时生成无限视频流的动画效果。该项目由Pscgylotti开发，提...

综合介绍 ai-gradio是一个开源的Python工具包，旨在帮助开发者轻松集成和使用多种AI模型。该项目基于Gradio构建，提供了一个统一的接口，支持多种AI模型和服务。无论是文本、语音还是视频...

综合介绍 Aggregator 是一个开源项目，旨在打造一个免费代理池，能够爬取各种可用的代理节点。该平台具有灵活的插件系统，用户可以根据目标网站的特殊需求，通过插件实现特定功能。项目主要用于学习爬虫...

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 aisuite 是一个简单、统一的接口，旨在让开发者能够轻松调用多种生成式AI提供商的服务。通过类似于OpenAI的接口，aisuite 使得与最流行的LLM（大语言模型）进行交互变得更加容...

综合介绍 MemFree 是一个先进的混合AI搜索引擎，能够通过文本、图像、文件和网页进行搜索和提问。它提供一键获取文本、思维导图、图像和视频的搜索结果的功能。MemFree 的目标是从用户的知识库和...

综合介绍 OuteTTS 是一种实验性文本转语音（TTS）模型，采用纯语言建模方法生成高质量语音。与传统的 TTS 系统不同，OuteTTS 不需要外部适配器或复杂的架构。该模型基于 LLaMa 架构...

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 VoiceCraft是一个开源的语音编辑和零样本语音合成工具，基于神经编解码器语言模型。它采用了创新的编码序列生成方法，能够在已有语音序列上进行插入、删除和替换操作，生成自然、连贯的编辑语音...

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 X-Kit是一个开源工具，专为抓取和分析X（原Twitter）用户数据和推文而设计。该工具由GitHub用户xiaoxiunique开发，旨在帮助用户自动化获取指定X用户的基本信息和推文，并...

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 go-stock 是一个基于 Wails 和 NaiveUI 构建的 AI 赋能股票分析工具。该工具能够实时监控自选股行情，提供成本盈亏展示和涨跌报警推送功能。所有数据均保存在本地，确保用户...

综合介绍 Quanta Quest是全球首个以“端侧大模型+C端数据本地化”为核心演进方向的产品。它帮助用户将Gmail、Notion、Dropbox等所有数据存储到本地，并通过向量数据库进行处理，确...

综合介绍 MiMo 是小米公司开发的一个开源大语言模型项目，专注于数学推理和代码生成。核心产品是 MiMo-7B 系列模型，包含基础模型 (Base)、监督微调模型 (SFT)、从基础模型训练的强化学...

综合介绍 Tap4 AI WebUI 是一个开源的轻量级AI工具导航网站项目，旨在帮助用户轻松搭建自己的AI工具目录。该项目采用了Next.js和Supabase技术栈，支持多语言SEO优化，提供AI...

综合介绍 TransRouter 是一个基于 Google Gemini 大模型的实时语音翻译工具，专门设计用于实现中英文之间的实时语音互译。该工具能够无缝集成到 Zoom 等视频会议软件中，为跨语言...

综合介绍 Ichigo是一个开源的实时语音AI项目，旨在扩展基于文本的语言模型，使其具备原生的“听力”能力。该项目采用了早期融合技术，灵感来自Meta的Chameleon论文。Ichigo的目标是成为...

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 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 HelloMeme 是由 HelloVision 开发的一个开源项目，旨在通过集成空间编织注意力机制（Spatial Knitting Attentions）在扩散模型中嵌入高层次和高保真条...

综合介绍 MultiPost-Extension 是一个功能强大的浏览器扩展，旨在帮助用户一键发布内容到多个社交媒体平台。该扩展支持同步发布到超过10个主流平台，包括知乎、微博、小红书、TikTok ...

综合介绍 TankWork是一个开源的桌面代理框架，旨在通过计算机视觉和系统级交互，使AI能够感知和控制您的电脑。该框架允许代理通过语音和文本命令直接控制计算机，处理实时屏幕内容，并提供连续的音频视觉...

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 视频制作AI工具包（Video Starter Kit）是由fal-ai-community发布的一个开源项目，旨在展示如何在浏览器中利用AI模型进行视频制作。它提供了从图像到视频的转换工具...

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 VideoChat 是一个基于开源技术的实时语音交互数字人项目，支持端到端语音方案（GLM-4-Voice - THG）和级联方案（ASR-LLM-TTS-THG）。该项目允许用户自定义数字...

综合介绍 知识图谱工作室（Knowledge Graph Studio）是一个开源平台，旨在简化创建和管理RAG-native知识图谱的过程。该平台提供了基于规则的实体解析、模块化图谱构建、灵活的数据...

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 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 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 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 Diffbot LLM推理服务器是一个创新的大规模语言模型系统，它基于LLama模型架构进行了特殊优化和改进。该项目最大的特点是将实时知识图谱（Knowledge Graph）与检索增强生成...

综合介绍 CogAgent是由清华大学数据挖掘研究组（THUDM）开发的开源视觉语言模型，旨在实现跨平台的图形用户界面（GUI）自动化操作。该模型基于CogVLM（GLM-4V-9B），支持中英文双语...

综合介绍 code2prompt 是一个开源的命令行工具，由开发者 Mufeed VH 创建并托管在 GitHub 上，旨在帮助用户将整个代码库快速转换为适合大语言模型（LLM）的提示（prompt...

综合介绍 Open-LLM-VTuber 是一个开源项目，允许用户通过语音和文字与大型语言模型（LLM）互动，并结合Live2D技术呈现动态虚拟角色。它支持Windows、macOS和Linux，可完...

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 WeClone 是一个开源项目，它通过微信聊天记录和语音消息，结合大语言模型和语音合成技术，让用户创建个性化的数字分身。项目能分析用户的聊天习惯来训练模型，还可以用少量语音样本生成逼真的声音...

综合介绍 OneFileLLM 是一个开源命令行工具，旨在将多种数据源整合成单一文本文件，方便输入大语言模型（LLM）。它支持处理 GitHub 仓库、ArXiv 论文、YouTube 视频转录、网页...

综合介绍 Laminar是一个开源的AI工程优化平台，专注于从第一原理出发进行AI工程。它帮助用户收集、理解和使用数据，以提高LLM（大型语言模型）应用的质量。Laminar提供了全面的可观测性、文本...

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 AutoMouser 是一个 Chrome 扩展程序，能够智能地跟踪用户交互，并使用 OpenAI 的 GPT 模型自动生成 Selenium 测试代码。它通过记录用户的浏览器操作并将其转换...

综合介绍 Morphic是一个基于AI技术的搜索引擎，采用生成式用户界面，旨在提供智能问答和高效搜索体验。用户可以通过Morphic进行多种搜索，包括文本、视频等，并能保存搜索历史，分享搜索结果。Mo...

综合介绍 Reactive Resume 是一个免费且开源的简历生成器，旨在简化创建、更新和分享简历的过程。该平台注重用户隐私，没有任何用户跟踪或广告。用户可以在不到30秒内自托管应用程序，完全掌控自...

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 Go-Proxy是一个使用Go语言开发的高性能代理服务器，主要用于在不同网络环境中提供代理服务。它支持多种协议，包括HTTP、HTTPS、SOCKS5、WebSocket、TCP和UDP，能...

综合介绍 BotSharp是基于.NET Core的一个开源项目，致力于提供一个全面的AI聊天机器人平台构建工具。它采用C#编程，支持跨平台操作，旨在简化机器学习算法的应用，使企业级开发者能够高效地将...

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 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 1-2-1-MNVTON是一个基于GitHub的开源项目，旨在通过“Modality-specific Normalization for Virtual Try-On”（MNVTON）技术...

综合介绍 Swarm是由OpenAI开发的一个实验性教育框架，旨在探索多代理系统的轻量级、可控和易于测试的接口。该框架主要用于展示代理之间的交接和例程模式，帮助开发者理解和实现多代理系统的协调与执行...

综合介绍 GPT-Telegram-Worker 是一个基于 Cloudflare Workers 的多模型 AI Telegram 机器人，支持 OpenAI、Claude、Azure 等多个 AP...

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 llmstxt-generator 是一个专业的网站内容提取和整合工具，专门为大语言模型(LLM)的训练和推理准备高质量文本数据集。该工具由 Mendable AI 开发，采用 @firec...

综合介绍 SimGRAG（SimGRAG: Leveraging Similar Subgraphs for Knowledge Graphs Driven Retrieval-Augmented G...

综合介绍 Chatlog 是一个开源工具，专注于从微信本地数据库提取和查询聊天记录。它支持微信 3.x 和 4.0 版本，覆盖 Windows 和 macOS 系统。用户可以通过命令行、终端界面或 H...

综合介绍 Charla 是一个基于终端的聊天应用程序，旨在与本地语言模型进行对话。该应用程序集成了 Ollama 后端，支持上下文感知的对话，并将聊天会话保存为 Markdown 文件。用户可以通过简...

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 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 OpenVoice 是一个多功能的即时语音克隆方法，仅需使用参考说话者的短音频片段，即可复制其声音并生成多语言的语音。除了复制音色外，OpenVoice 还允许精细控制语音风格，包括情感...

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 Wan2.1 是由 Wan-Video 团队开发并在 GitHub 上开源的一个视频生成工具套件，专注于通过人工智能技术推动视频创作的边界。它基于先进的扩散变换器架构，集成了独特的时空变分自...

综合介绍 Trend Finder 是一个强大的工具，旨在帮助用户实时追踪社交媒体上的热门话题和趋势。通过收集和分析关键影响者的帖子，Trend Finder 能够在检测到新趋势或产品发布时，及时发送...

综合介绍 CoolCline 是一个强大的编码助手，结合了 Cline, Roo Cline 和 Bao Cline 的最佳功能。它可以无缝地与您的命令行界面（CLI）和编辑器协同工作，为您带来最强大...

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 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 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 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 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 TableGPT Agent 是一个基于 GitHub 开源项目的智能工具，专为处理和分析表格数据设计。它依托 TableGPT2 大语言模型，利用自然语言交互的方式，让用户能够轻松查询、操...

综合介绍 DeepEval是一个简单易用的开源LLM评估框架，用于评估和测试大语言模型系统。它类似于Pytest，但专注于LLM输出的单元测试。DeepEval结合最新的研究成果，通过G-Eval、幻...

综合介绍 lightcard 是一个简洁优雅的卡片生成工具，旨在帮助用户轻松创建精美的内容卡片。该工具支持自定义文字内容、多种主题样式和二维码，让创作变得更加简单有趣。用户可以通过编辑标题、正文和作者...

综合介绍 AI Web Operator 是一个开源的 AI 浏览器操作工具，旨在通过集成多种 AI 技术和 SDK，简化用户在浏览器中的操作体验。该工具基于 Browserbase 和 Vercel...

综合介绍 Cog-ComfyUI是一个开源项目，旨在通过API运行ComfyUI工作流。该项目由GitHub用户fofr创建，提供了一种高效的方式来集成和运行ComfyUI工作流。ComfyUI是一种...

综合介绍 Pyramid Flow 是一种高效的自回归视频生成方法，基于 Flow Matching 技术。该方法通过在不同分辨率和噪声水平之间插值，实现了视频内容的生成和解压缩，具有更高的计算效率...

综合介绍 ModelBest 是一家专注于开发轻量高性能大模型的公司，致力于将先进的 AI 技术应用于日常生活中的主流消费电子和各类终端设备。其 MiniCPM 系列端侧模型以极致的算力和内存使用效率...

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 Cloudflare Serverless Registry 是一个基于 Cloudflare Workers 和 R2 存储的无服务器容器注册表。它支持镜像的推送和拉取，并提供用户名密码和...

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 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 Data Formulator是由微软研究院开发的一款开源AI驱动的数据可视化工具。该工具结合了图形化用户界面（GUI）和自然语言输入（NL），使用户能够通过简单的交互和指令，快速创建和迭代...

综合介绍 PicMenu 是一个创新的 AI 工具，通过简单的拍照操作，将传统纸质菜单转化为生动直观的图片菜单。该工具不仅能自动生成每道菜品的高质量图像，还能提供丰富的菜品信息，为餐饮行业的数字化转型...

综合介绍 Prompt Optimizer 是一个专注于提示词优化的开源工具，由 linshenkx 在 GitHub 上开发。它能够帮助用户通过智能算法优化 AI 模型的提示词，从而提升生成内容的质...

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 ANUS（Advanced Neural Understanding System，高级神经理解系统）是一个托管在 GitHub 上的开源 AI 代理框架，由用户 nikmcfly 通过提示...

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 GeminiCoder是一个基于Google Gemini API开发的创新型Web应用程序生成工具。该项目继承了 LlamaCoder 的优秀特性，并集成了最新的Gemini 1.5 Pr...

综合介绍 MindSearch是由上海人工智能实验室推出的一款开源AI搜索引擎框架，旨在模拟人类的思维过程进行复杂信息搜集与整合。该工具结合了大规模语言模型（LLM）与搜索引擎的先进技术，通过多智能体...

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 Executive AI Assistant（EAIA）是一个基于人工智能的助理工具，旨在帮助用户自动化管理日常任务。该工具由LangChain开发，能够处理电子邮件、安排日程、管理任务等...

综合介绍 OpenAI Realtime WebRTC Python是一个专业的Python库，为开发者提供了与OpenAI实时API进行语音交互的完整解决方案。该项目基于WebRTC技术，实现了低延...

综合介绍 Open Deep Research是一个开源的AI驱动研究报告生成工具，作为Google Gemini深度研究功能的开源替代方案。该项目采用TypeScript开发，基于Next.js 1...