AI开源项目

综合介绍 ACE++ 是由阿里巴巴通义实验室（Tongyi Lab）的 ali-vilab 团队开发的一个开源项目。它基于 FLUX.1-Fill-dev 模型，旨在通过简单的文字指令实现图像生成和编...

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 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 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 UNO 是由 ByteDance 智能创作团队开发的一个开源图像生成框架。它基于 FLUX.1 模型，专注于通过“少到多”的泛化方式实现单主体和多主体的定制化图像生成。UNO 利用扩散变换器...

综合介绍 MoBA（Mixture of Block Attention）是由MoonshotAI开发的一种创新注意力机制，专为长上下文处理的大语言模型（LLMs）设计。MoBA通过将全上下文划分为多...

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 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 Infinity是一个开创性的高分辨率图像生成框架，由FoundationVision团队开发。该项目通过创新的位级视觉自回归建模方法，突破了传统图像生成模型的限制。Infinity的核心特...

综合介绍 mcp-ui 是一个开源项目，由开发者 machaojin1917939763 创建，基于 Model Context Protocol（MCP）协议打造，是一款支持 Web 和桌面环境的智...

综合介绍 DeepSeek R1 Overthinker 是一个专为增强 DeepSeek R1 模型思考深度而设计的工具。通过延长模型的推理过程，该工具能够使模型进行更深入的思考，从而提高其回答的质...

综合介绍 STAR (Spatial-Temporal Augmentation with Text-to-Video Models) 是由南京大学、字节跳动和西南大学联合开发的创新型视频超分辨率框架...

综合介绍 Flashcard是一个开源的语言学习工具，旨在提供一个替代Duolingo的解决方案。该项目由Steven Lynn（GitHub用户名：stvlynn）开发，采用现代化的用户界面和多语言...

综合介绍 Coding Agent 是一个由 AbhinavTheDev 开发的智能编程助手，旨在帮助开发者提高编程效率。该工具利用人工智能技术，能够自动生成代码、提供编程建议，并协助开发者完成各种编...

综合介绍 Llama Tutor 是一个基于 Llama 3.1 构建的开源 AI 个人助教项目，旨在为用户提供个性化的学习体验。通过整合多种技术栈，如 Together AI、Next.js 和 T...

综合介绍 开源NotebookLM是一个创新的人工智能项目，它结合了Deepseek-V3的语言理解能力和PlayHT的语音合成技术，旨在创建一个智能化的笔记对话系统。该项目由Build Fast w...

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 Taipy 是由 Avaiga 开发的一个强大的 Python 库，专为数据科学家和机器学习工程师设计，用于快速构建和部署数据驱动的 Web 应用程序。Taipy 提供了一整套工具和组件，使...

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 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 Gemini Playground 是一个开源项目，旨在帮助用户快速部署一个多模态对话网站。该项目由技术爬爬虾开发，支持使用 Gemini API Key 在 10 秒内完成部署。无论用户身...

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 Awesome AI Agents 是一个由 e2b-dev 团队维护的 GitHub 开源项目，专注于收集和整理与自主 AI 智能体相关的资源。这个项目汇集了超过 150 种 AI 智能体...

综合介绍 Auto_Jobs_Applier_AIHawk 是一款利用人工智能技术自动化求职的工具。它能够帮助用户在短时间内自动投递大量简历，并根据用户的个人信息和求职意向进行个性化调整。该工具旨在提...

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 Omni-RGPT 是一个多模态大语言模型，旨在实现图像和视频的区域级理解。通过引入 Token Mark 技术，Omni-RGPT 能够在视觉特征空间内高亮目标区域，并通过区域提示（如框或...

综合介绍 Sketch-Gen 是一个基于 AI 技术的线稿和草图生成工具，旨在帮助艺术家和设计师快速生成高质量的线稿和草图。该工具由 Paints-UNDO 项目衍生而来，利用先进的机器学习模型，能...

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...

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 ColorFlow是由腾讯ARC团队开发的图像序列自动着色工具，旨在解决黑白图像序列的自动着色问题。该工具利用检索增强的着色管道，通过参考图像池准确生成各种元素的颜色，包括角色的头发颜色和服...

综合介绍 Basic Memory 是一个通过与AI助手（如Claude）对话来构建知识图谱的工具。它由 Basic Machines 公司开发，核心特点是把对话内容保存为 Markdown 文件，存...

综合介绍 CogVLM2 是由清华大学数据挖掘研究组（THUDM）开发的开源多模态模型，基于 Llama3-8B 架构，旨在提供与 GPT-4V 相当甚至更优的性能。该模型支持图像理解、多轮对话以及视...

综合介绍 Onlook是一款开源的设计工具，专为设计师和开发者打造，允许用户直接在运行的React应用中进行设计，并将设计修改转换为代码。该工具提供了一种直观的视觉编辑体验，类似于Figma或Webf...

综合介绍 BrushEdit 是由腾讯ARC实验室开发的一款全能图像修复和编辑工具。该工具基于最新的AI技术，能够自动识别和修复图像中的缺陷，同时支持用户进行交互式编辑。BrushEdit 结合了多种...

综合介绍 PengChengStarling（鹏城实验室）是一个多语言自动语音识别（ASR）工具，能够将不同语言的语音转换为对应的文本。这个工具包基于icefall项目开发，提供了完整的语音识别流程...

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 Easegen 是一个开源的数字人课程制作平台，旨在通过 AI 技术提升教学内容的制作和管理效率。该平台提供从课程制作、视频管理到智能出题的一站式解决方案，用户可以创建数字人讲解的视频课程...

综合介绍 Deep Recall 是一个开源的企业级记忆框架，专为大型语言模型（LLM）设计。它通过高效的上下文检索和整合，提供超个性化的响应能力。框架采用三层架构，包括记忆服务、推理服务和协调器，支...

综合介绍 MagicArticulate 是一个由字节跳动与南洋理工大学合作开发的AI框架，专注于将静态3D模型快速转化为支持动画的数字资产。它通过先进的自回归Transformer和功能扩散模型，自...

综合介绍 Maestro 是由 Roboflow 开发的一款工具，旨在简化和加速多模态模型的微调过程，让人人都可以训练自己的视觉大模型。它提供了现成的配方，用于微调流行的视觉语言模型（VLM），如 F...

综合介绍 Retrieval based Voice Conversion WebUI是一个基于VITS的简单易用的语音转换框架，可以实现任意说话人之间的语音转换，包括歌曲的翻唱和实时的变声。它具有低...

综合介绍 RolmOCR 是由 Reducto AI 团队开发的一款开源光学字符识别（OCR）工具，基于 Qwen2.5-VL-7B 视觉语言模型。它能从图片和 PDF 文件中提取文字，速度比同类工具...

综合介绍 OpenAI Agents SDK 是 OpenAI 推出的一款轻量级开发工具，专为构建多智能体工作流设计。它基于 Python，简单易上手，支持开发者通过配置智能体（Agents）、任务切...

综合介绍 Quadratic 是一个开源的智能电子表格工具，结合了AI、代码和数据连接功能，旨在为用户提供强大的数据处理和分析能力。通过支持Python、SQL和Rust等编程语言，Quadratic...

综合介绍 UltraRAG是由清华大学THUNLP组、东北大学NEUIR组、Modelbest.Inc和9#AISoft团队联合提出的RAG（检索增强生成）系统解决方案。该框架基于敏捷部署和模块化构建...

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 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 Proxy Lite 是由 Convergence AI 开发的一款开源、轻量级网页自动化工具，作为 Proxy 的迷你版，采用开放权重设计。它基于 3B参数的视觉语言模型（VLM），能够自...

综合介绍 AIBot PRO 是一个基于.NET 6 的 AI聚合客户端，旨在为用户提供集成多种AI产品的便捷平台。该客户端支持无感切换对话，集成了ChatGPT、Gemini、Claude、文心一言...

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 AnimeGamer 是腾讯 ARC 实验室推出的一个开源工具。用户可以用简单的语言指令，比如“宗介开紫色车兜风”，生成动漫视频，还能让不同动漫角色互动，比如《魔女宅急便》的琪琪和《天空之城...

综合介绍 BuffGPT 是一个基于大语言模型（LLM）的开源AI应用开发平台，提供数据处理、模型调用、RAG检索和可视化工作流编排等开箱即用功能，帮助用户轻松构建和运营生成式AI应用。平台支持私有化...

综合介绍 AIaW（AI as Workspace）是一个新一代的AI客户端，旨在提供全功能、轻量级且可拓展的解决方案。该平台支持多种服务商，包括OpenAI、Anthropic和Google等，能够...

综合介绍 AI no jimaku gumi（AI の字幕組）是一个强大的命令行视频字幕处理工具，专注于实现自动化的视频字幕提取、转录和翻译功能。该工具集成了先进的AI技术，包括 Whisper 语音...

综合介绍 OpenChat 是一个用户友好的聊天机器人控制台，旨在简化大语言模型（LLMs）的使用。通过提供两步设置流程，OpenChat 使用户能够轻松创建和管理多个自定义聊天机器人。该平台支持 G...

综合介绍 DiffBIR（Blind Image Restoration with Generative Diffusion Prior）是一个由XPixelGroup开发的图像修复工具，旨在通过生成...

综合介绍 小猿口算逆向笔记是一个开源项目，旨在记录和分享对小猿口算应用进行逆向工程的过程和方法。该项目包含了多种逆向工具和技术的使用说明，如Frida、dexdump等，帮助用户了解和破解小猿口算的加...

综合介绍 Srcbook是一个以TypeScript为核心的应用开发平台，旨在通过AI助手快速创建和迭代Web应用。它支持本地运行，提供交互式笔记本界面，允许用户编写和执行后端代码。Srcbook是开...

综合介绍 FoleyCrafter 是一个由 OpenMMLab 开发的开源项目，旨在为无声视频生成生动且同步的音效。该项目利用先进的人工智能技术，通过分析视频内容，生成与之语义相关且时间同步的音效...

综合介绍 AppAgent 是一个基于大语言模型（LLM）的多模态代理框架，旨在操作智能手机应用程序。该框架通过简化的操作空间，模仿人类的交互方式，如点击和滑动，从而无需系统后端访问，扩大了其在不同应...

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 ScrapeGraphAI是一个创新的Python网页抓取库，它巧妙地结合了大语言模型(LLM)和直接图逻辑来创建网站和本地文档的抓取管道。这个工具的独特之处在于它的简单性和强大功能的完美平...

综合介绍 DeepRant 是一款专为游戏玩家打造的开源翻译工具，旨在解决国际服务器中语言不通的问题。它通过快捷键实现游戏内文字的即时翻译，支持多种语言互译，让玩家无需退出游戏即可快速理解和回复聊天信...

综合介绍 XRAG（eXamining the Core）是一个专为评估高级检索增强生成（RAG）系统的基础组件而设计的基准框架。通过剖析和分析每个核心模块，XRAG提供了不同配置和组件如何影响RAG...

综合介绍 MiniRAG是一个极其简单的检索增强生成（RAG）框架，旨在通过异构图索引和轻量级拓扑增强检索，使小模型也能实现良好的RAG性能。该项目由香港大学数据科学实验室（HKUDS）开发，主要解决...

综合介绍 Plandex 是一个开源的终端 AI 编码助手，专为大型复杂软件项目设计。它能规划和执行多步骤任务，处理高达 200 万 token 的上下文，支持 30 多种编程语言。Plandex 提...

综合介绍 simple-one-api 是一个开源项目，旨在简化多种大模型API的集成。它支持千帆大模型平台、讯飞星火大模型、腾讯混元以及 MiniMax 和 Deep-Seek 等兼容 OpenAI...

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...

综合介绍 DocAgent 是一个由 Meta AI 开发、开源的 Python 代码文档生成工具。它通过多智能体协作和层次化代码分析，自动为 Python 代码库生成高质量、上下文感知的文档注释（d...

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 Yek 是一个基于 Rust 的快速工具，用于读取存储库或目录中的文本文件，将其分块并序列化以供大型语言模型（LLM）使用。该工具默认使用 .gitignore 规则跳过不需要的文件，并利用...

综合介绍 VideoSeal是由Facebook Research开发的开源视频水印工具，旨在提供高效的视频水印嵌入与提取功能。该工具支持最新的开源模型，包含预训练模型、训练代码、推理代码和评估工具...

综合介绍 Clevrr Computer 是一个开源项目，旨在通过使用 PyAutoGUI 库来实现系统操作的自动化。该项目受到 Anthropic 的启发，设计了一个自动化代理，可以精确高效地执行用...

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 pdf2htmlEX 是一个开源工具，旨在将 PDF 文件转换为 HTML 格式，通过分析 PDF 文件的内容并使用 HTML + CSS 精确还原其视觉效果, 将 PDF 文档转换为浏览器...

综合介绍 ExtractThinker 是一个灵活的文档智能工具，利用大型语言模型（LLMs）从文档中提取和分类结构化数据，提供类似 ORM 的无缝文档处理工作流。它支持多种文档加载器，包括 Tess...

综合介绍 NextChat是一项革命性的AI聊天服务，允许用户部署与GPT-3、GPT-4、GPT-4.5和Gemini Pro等一流语言模型的聊天服务。它提供了优雅的用户界面、协作特性、集成、模板和...

综合介绍 AIEditor 是一个由 AI 驱动的下一代富文本编辑器，基于 Web Component 开发，支持 Vue、React、Angular 等几乎所有主流前端框架。它兼容 PC Web 和...

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 Devin.cursorrules 是一个创新的开源项目，旨在将价格实惠的Cursor或Windsurf IDE（约20美元）转换为类似 Devin 这样强大的AI编程助手。该项目提供了一套...

综合介绍 Vision Agent 是由 LandingAI（吴恩达团队） 开发的一个开源项目，托管在 GitHub 上，旨在帮助用户快速生成解决计算机视觉任务的代码。它利用先进的代理框架和多模态模型...

综合介绍 Maxun是一个开源的无代码网页数据提取平台，用户可以在几分钟内训练机器人，自动抓取网页数据并将其转换为API或电子表格。该平台支持分页和滚动，能够适应网站布局的变化，提供强大的数据抓取功能...

综合介绍 Micro-Agent是由Builder.io开发的一款开源AI编码助手，旨在为开发者提供自动生成和测试代码的功能。它通过理解自然语言描述生成测试用例，并迭代代码直到所有测试通过，从而减少开...

综合介绍 Awesome LLM Apps 是一个由 Shubham Saboo 创建的 GitHub 仓库，专门收集和展示各种优秀的LLM（大语言模型）应用程序。该仓库包含了使用 OpenAI、An...

综合介绍 NVIDIA Cosmos 是一个面向开发者的世界基础模型平台，专门设计用于帮助物理人工智能开发者更好、更快地构建其物理人工智能系统。该平台提供了一系列预训练模型，包括基于扩散和自回归的世界...

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 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 DH_live 是一个基于少样本学习的实时直播数字人项目，旨在为用户提供流畅互动的直播体验。该项目支持 NVIDIA 30 和 40 系列显卡，能够以 25+ fps 的速度实时运行。用户可...

综合介绍 Agenta 是一个开源的AI模型管理工具，专门帮助用户轻松实验提示词、测试模型效果和监控运行情况。它适合想快速开发AI应用的人，提供了一个简单操作的平台。你可以用它试试不同提示词的效果，对...

综合介绍 RAG Web UI 是一个基于 RAG（检索增强生成）技术的智能对话系统。它帮助企业和个人构建基于自身知识库的智能问答系统。通过结合文档检索和大语言模型，RAG Web UI 提供准确可靠...

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 SkyPilot 是一个由加州伯克利大学 Sky Computing Lab 发起的开源框架，旨在帮助用户在任何云端基础设施上高效运行 AI 和批处理任务。它支持超过 14 种云服务（包括 ...

综合介绍 llm.pdf 是一个开源项目，允许用户在 PDF 文件中直接运行大型语言模型（LLM）。这个项目由 EvanZhouDev 开发，托管在 GitHub 上，展示了一种创新的方法：通过 Em...

综合介绍 genspark2api 是一个开源的 API 服务工具，托管在 GitHub 上，由开发者 deanxv 创建。它提供了一个支持多模型对话、文生图和文生视频的接口服务，用户可以通过 Doc...

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 Story-Adapter 是一个创新的故事可视化框架，它能够将文本故事转换为连贯的图像序列。这个项目由研究人员开发，采用了无需训练的迭代方法来生成高质量的故事插图。该框架的特点是能够处理长...

综合介绍 agent-twitter-client是一个无需Twitter API密钥即可使用的Twitter客户端。该项目基于@the-convocation/twitter-scraper进行了修...

综合介绍 TangoFlux 是一个由 DeCLaRe Lab 开发的高效文本到音频（TTA）生成模型。该模型能够在短短 3.7 秒内生成长达 30 秒的 44.1kHz 立体声音频。TangoFlu...

综合介绍 AI-Infra-Guard 是由腾讯混元安全团队朱雀实验室开发的一款开源AI基础设施安全评估工具，旨在帮助用户快速发现和检测AI系统中的潜在安全风险。该工具支持对30多种AI框架和组件进行...