AI开源项目

综合介绍 Open-VoiceCanvas 是一个开源的语音合成平台，由 ItusiAI 团队开发。它支持超过 50 种语言，可以将文字转为自然语音，还能通过上传音频克隆个性化声音。项目整合了 Ope...

综合介绍 AudioX 是一个由 Zeyue Tian 等人在 GitHub 上开源的项目，官方论文发布于 arXiv（编号 2503.10522）。它基于扩散变换器（Diffusion Transf...

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 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 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 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 它能自动分析PDF文档的布局，识别页面中的文字、标题、图片、表格、公式等元素，并判断它们的正确顺序。工具支持OCR功能，可以把扫描PDF转为可搜索文本。它基于Docker运行，提供两种模型...

综合介绍 Orchestra是一个创新的轻量级Python框架,专注于构建基于大语言模型(LLM)的多智能体协作系统。它采用独特的智能体编排方法,让多个AI智能体能够像交响乐团一样和谐配合工作。通过模...

综合介绍 NoneBot DeepSeek 插件是一个集成了 DeepSeek 模型的 NoneBot 插件，旨在提供智能对话与问答功能。通过接入 DeepSeek 模型，用户可以在 NoneBot ...

综合介绍 无前端，纯配置文件配置 API 渠道。只要写一个文件就能运行起一个属于自己的 API 站，文档有详细的配置指南，小白友好。 uni-api 是一个统一管理大模型API的项目，允许通过一个统一...

综合介绍 CapsWriter-Offline 是一个专注于PC端的语音输入和字幕转录工具，托管于 GitHub，由开发者 HaujetZhao 打造。它完全离线运行，无需联网即可实现语音转文字和音视...

综合介绍 askrepo 是一个基于LLM（大语言模型）的源代码阅读工具。它能够读取指定目录下的Git管理的文本文件内容，并将其发送到Google Gemini API，根据指定的提示提供问题的答案...

综合介绍 Kheish是一个开源的多角色代理，专为需要结构化、逐步协作的大型语言模型（LLM）任务而设计。Kheish不仅仅是一个简单的协调器，它本身就是一个智能代理，可以根据需求请求模块，整合用户反...

综合介绍 AI 播客生成器是一个智能化的播客生成工具，利用先进的 AI 技术从网络资源中自动创建引人入胜的音频内容。该系统通过抓取新闻内容，生成自然流畅的叙述，并将其转换为音频播客。项目基于 Next...

综合介绍 SciToolAgent 是由杭州浙江大学创新中心（HICAI-ZJU）开发的一个开源工具平台。它通过知识图谱（SciToolKG）和大语言模型技术，整合超过500种科学工具，帮助科研人员处...

综合介绍 AI Chatbot Supabase是一个基于Next.js和Supabase构建的开源AI聊天机器人模板。该项目由Vercel开发，旨在提供一个功能全面、可定制的聊天机器人解决方案。通过...

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

综合介绍 AudioNotes 是一个基于 FunASR 和 Qwen2 构建的音视频转结构化笔记系统。它能够快速提取音视频内容，并调用大模型进行整理，生成一份结构化的 Markdown 笔记，方便用...

综合介绍 One Hub 是一个基于 One API 二次开发的 OpenAI 接口管理和分发系统。该项目由 MartialBE 开发，旨在提供更广泛的模型支持和更完善的统计功能。One Hub 具有...

综合介绍 MarkPDFDown 是一个开源工具。它利用多模态大语言模型，把 PDF 文件转为 Markdown 格式。开发者是 GitHub 用户 jorben。这个工具的目标很简单：让 PDF 文...

综合介绍 Open MCP Client 是一个开源工具，最大的亮点是提供网页版 MCP（Model Context Protocol）客户端，让用户无需安装即可连接任意 MCP 服务器进行聊天。它还...

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 Memobase 是一个基于用户画像的记忆系统，旨在为生成式AI应用提供长效用户记忆支持。无论您是在构建虚拟伴侣、教育工具还是个性化助手，Memobase 都能帮助您的AI记住、理解并随着用...

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 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...

综合介绍 PrivateGPT是一个可用于生产环境的AI项目，允许用户在没有互联网连接的情况下，使用大型语言模型（LLMs）对文档进行问答。该项目确保100%的数据隐私，所有数据都在用户的执行环境中处...

综合介绍 Pieces-OS 是一个开源项目，旨在将 Pieces-OS 的 GRPC 流逆向并转换为标准的 OpenAI API 接口,支持Claude、GPT、Gemini。该项目由 Nekohy...

综合介绍 InvSR是一个创新的开源图像超分辨率项目，它基于扩散反演技术，能够将低分辨率图像转换为高质量的高分辨率图像。该项目利用预训练的大型扩散模型中蕴含的丰富图像先验知识，通过灵活的采样机制，支持...

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 LAMBDA（Local Auto MailBox Draft Assistant）是一个本地化的AI邮件自动化系统，旨在从用户的邮件风格中学习，并为Gmail收件箱中的每一封未读邮件生成草...

综合介绍 FlashMLA 是由 DeepSeek AI 开发的一款高效 MLA（Multi-head Latent Attention）解码内核，专为 NVIDIA Hopper 架构 GPU 优化...

综合介绍 Director 是一个开源框架，旨在通过构建智能视频代理来简化和优化视频交互和工作流程。该框架基于 VideoDB 的“视频即数据”基础设施，能够处理复杂的视频任务，如搜索、编辑、编译和生...

综合介绍 Gaze-LLE是一款基于大规模学习编码器的注视目标预测工具。该项目由Fiona Ryan、Ajay Bati、Sangmin Lee、Daniel Bolya、Judy Hoffman和J...

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 GraphAgent 是一个开源框架，托管在 GitHub 上，由 Ji-Cather 开发。它利用大语言模型（LLM）模拟人类行为，生成动态的、带文本属性的社交图。这个工具适用于在线社交媒...

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 DCT-Net 是一个由 DAMO 学院和北京大学王选计算机技术研究所共同开发的开源项目，旨在实现图像的动漫风格化转换。该项目利用深度学习技术，通过域校准翻译（Domain-Calibrat...

综合介绍 Weebo 是一个开源的实时语音聊天机器人，利用 Whisper Small 进行语音识别，Llama 3.2 进行自然语言生成，以及 Kokoro-82M 进行语音合成。该项目由 Aman...

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 PiT（Piece it Together）是一个开源工具，托管在 GitHub 上，由特拉维夫大学的 Elad Richardson 等研究者开发。它能让用户输入零散的图像零件，比如翅膀...

综合介绍 LLM API Engine 是一个开源项目，旨在帮助开发者快速构建和部署AI驱动的API。该项目利用大语言模型（LLM）和智能网页抓取技术，允许用户通过自然语言描述来创建自定义API。其主...

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 LM Speed 是一个专门为AI开发者设计的工具，同时提供在线服务网站 lmspeed.net。它的核心功能是测试和分析语言模型 API 的性能，帮助用户快速发现速度瓶颈并优化调用策略。这...

综合介绍 ai-trend-publish 是一个在 GitHub 上托管的开源项目，由 OpenAISpace 团队开发，专注于实时追踪和发布人工智能领域的最新趋势。这个工具旨在帮助开发者、技术爱好...

综合介绍 JoyGen是一个创新的两阶段说话人脸视频生成框架，专注于解决音频驱动的面部表情生成问题。该项目由京东科技团队开发，采用先进的3D重建技术和音频特征提取方法，能够准确捕捉说话人的身份特征和表...

综合介绍 Fullmoon是一款专为iOS设备设计的应用程序，旨在提供与本地大语言模型进行私密聊天的功能。该应用优化了Apple Silicon，支持在iPhone、iPad和Mac上运行。用户的聊天...

综合介绍 DevDocs 是一个完全免费的开源工具，由 CyberAGI 团队开发，托管在 GitHub 上。它专为程序员和软件开发者设计，能从技术文档的网址开始，自动爬取相关页面并整理成简洁的 Ma...

综合介绍 DeepGEMM 是一个由 DeepSeek 团队开发的开源 FP8 GEMM（通用矩阵乘法）库，专注于提供高效的矩阵运算支持。它特别针对 NVIDIA Hopper 架构的 Tensor ...

综合介绍 深度搜索器（Deep Searcher） 是一个结合大语言模型（LLMs）和向量数据库的强大工具，旨在基于私有数据进行搜索、评估和推理，提供高度准确的答案和综合报告。该项目适用于企业知识管理...

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 Agentarium 是一个强大的 Python 框架，专门用于管理和编排 AI 智能代理（Agent）。这个框架提供了灵活直观的方式来创建、管理和协调多个 AI 代理之间的交互。它采用 A...

综合介绍 Kimi-Audio 是由 Moonshot AI 开发的一款开源音频基础模型，专注于音频理解、生成和对话。它支持多种音频处理任务，例如语音识别、音频问答和语音情感识别。模型经过超过 130...

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 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 DiffPortrait360 是一个开源项目，隶属于 CVPR 2025 论文《DiffPortrait360: Consistent Portrait Diffusion for 360...

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 GaiaNet-AI/gaianet-node是一个开源项目，允许用户在Mac、Linux或Windows WSL上通过一条命令快速安装默认的节点软件栈。用户可以初始化节点，自定义配置，下载...

综合介绍 CSM Voice Cloning 是一个由 Isaiah Bjork 开发的开源项目，托管在 GitHub 上。它基于 Sesame CSM-1B 模型，用户只需提供一段音频样本，就能克隆...

综合介绍 R1-Onevision 是一个由 Fancy-MLLM 团队开发的开源多模态大语言模型，专注于视觉与语言的深度结合，能够处理图像、文本等多模态输入，并在视觉推理、图像理解、数学解题等领域表...

综合介绍 RAGLite 是一个用于检索增强生成（RAG）的 Python 工具包，支持 PostgreSQL 或 SQLite 数据库。它提供了灵活的配置选项，允许用户选择不同的语言模型和重排序器...

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 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 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 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 ChainForge 是一个开源的可视化编程环境，专为测试和评估大型语言模型（LLM）的提示效果而设计。它提供了一个数据流提示工程环境，用户可以通过该平台快速探索和分析不同提示对LLM响应质...

综合介绍 Bambo是一个新型的代理框架，与主流框架相比，它更加轻量和灵活，能够处理各种负载任务。Bambo通过定义工具目录中的所有工具，并使用异步自定义函数来实现高效的代理功能。用户可以在llm_c...

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 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 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 TestDriver 是一个利用人工智能技术帮助开发者测试软件的网站。它通过模拟人类操作，比如点击鼠标、输入文字，来自动完成软件的测试任务。网站的核心是“计算机使用AI代理”，能像真人一样操...

综合介绍 Simba是一个便携式知识管理系统（KMS），旨在与任何检索增强生成（RAG）系统无缝集成。该项目由GitHub用户GitHamza0206创建，提供了一种高效的知识管理解决方案，适用于各种...

综合介绍 TableGPT2是由浙江大学团队开发的一款多模态模型，专注于表格数据的集成和处理。该模型通过预训练和微调，能够在表格数据相关任务中表现出色，同时保持强大的通用语言和编码能力。TableGP...

综合介绍 Crawlee 是一个由 Apify 开发的开源网络爬虫和浏览器自动化库，专为 Node.js 环境设计。它支持 JavaScript 和 TypeScript，能够与 Puppeteer...

综合介绍 MOFA-Video 是一个先进的图像动画生成工具，利用生成运动场适配技术，将静态图像转换为动态视频。该项目由东京大学和腾讯 AI 实验室合作开发，并将在 2024 年欧洲计算机视觉会议（E...

综合介绍 Austen 是一个开源的 AI 工具，它使用 Angular 框架和 Analogjs 初始化，结合 Mermaidjs 技术生成图表，帮助用户分析书籍中的角色关系。用户可以输入 Open...

综合介绍 DiffSynth-Engine 是魔搭社区（ModelScope）推出的开源项目，托管于 GitHub。它基于扩散模型技术，专注于高效生成图像和视频，适合开发者在生产环境中部署 AI 模型...

综合介绍 Cloud Document Converter 是一个 Chrome 扩展，专为将飞书云文档转换为 Markdown 格式而设计。用户可以通过该工具轻松下载或复制飞书云文档为 Markdo...

综合介绍 LLManager 是一个开源的智能审批管理工具，基于 LangChain 的 LangGraph 框架开发，专注于自动化处理审批请求，同时结合人类审核优化决策。它通过语义搜索、少样本学习和...

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 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 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 Feeds.Fun 是一个帮助用户高效阅读新闻的工具，核心特点是自动为新闻添加标签并根据用户喜好筛选内容。它由开发者 Aliaksei Yaletski（网名 Tiendil）创建，托管在 ...

综合介绍 NodeTool 是一个创新的AI创作平台，旨在为AI爱好者、开发者、数据科学家和创意人士提供一个简单、直观的界面。无论您是艺术家、开发者还是初学者，NodeTool 都能帮助您快速原型化创...

综合介绍 SynthLight 是一个基于扩散模型的肖像重光照工具。它通过学习重新渲染合成的人脸图像，实现对真实肖像照片的光照效果调整。该工具利用物理渲染引擎生成数据集，模拟不同光照条件下的光照转换...

综合介绍 Coding-Tutor 是一个托管在 GitHub 上的开源项目，由开发者 iwangjian 创建，旨在为学习者提供个性化的编程教学体验。它通过对话式人工智能技术，根据用户的知识背景和学...

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 HiOllama是一个基于Python和Gradio构建的用户友好界面，旨在与Ollama模型进行交互。它提供了简单直观的网页界面，支持实时文本生成和模型管理功能。用户可以调整参数如温度和最...

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 WhisperChain 是一个基于人工智能的开源项目，托管在 GitHub 上，由开发者 Chris Choy 主导开发。它主要用于将语音转化为文字，并通过 AI 技术自动优化表达，去除冗...

综合介绍 MIDI-3D 是 VAST-AI-Research 团队开发的一个开源项目，它能从一张图片快速生成包含多个物体的3D场景，适合开发者、研究人员和创作者使用。这个工具基于多实例扩散模型技术...

综合介绍 ChatAnyone 是 HumanAIGC 团队开发的一个创新项目。它利用人工智能技术，从单张照片和音频输入生成带有上半身动作的数字人肖像视频。这个项目基于层次运动扩散模型，能生成头部动作...

综合介绍 Research Rabbit 是一个基于本地LLM（大语言模型）的网页研究和总结助手。用户提供研究主题后，Research Rabbit 会生成搜索查询，获取相关网页结果，并总结这些结果...

综合介绍 Fragments by E2B是一个开源项目，提供了一个基于Next.js的模板，用于构建完全由AI生成的应用程序。该项目由 E2B 开发，旨在简化和加速AI应用的开发过程。它集成了多种现...

综合介绍 Quick Prompt 是一个开源的浏览器扩展，专注于提示词（Prompt）的管理和快速输入。用户可以创建、组织和存储提示词库，并在任何网页的输入框中快速插入预设的提示词内容。这个工具特别...

综合介绍 Devin Cursor Rules是一个开源项目，旨在通过配置文件和工具增强Cursor和Windsurf集成开发环境（IDE）的功能，使其具备类似Devin的高级AI能力。该项目提供了过...

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 TryOffAnyone是一款突破性的AI图像处理工具，专门用于解决电商领域中服装展示的难题。它能够将真人穿着状态下的服装照片智能转换为平铺展示效果图，这项技术基于最新的Latent Dif...

综合介绍 RapBank 是一个专为说唱歌词生成而设计的数据集和工具集。该项目由 NZqian 创建，旨在通过收集和处理来自 YouTube 的说唱歌曲，为研究人员和开发者提供一个高质量的说唱歌词数据...