AI开源项目

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 ChatGPT 服务降级监测工具是一个开源项目，旨在帮助用户检测其 ChatGPT 服务是否因高风险 IP 而被降级。该工具通过分析 Proof of Work (PoW) 难度值，判断用户...

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...

综合介绍 GenXD 是一个开源项目，由新加坡国立大学（NUS）和微软团队开发。它专注于生成任意 3D 和 4D 场景，解决真实世界中 3D 和 4D 生成因数据不足和模型设计复杂带来的难题。项目通过...

综合介绍 SmartRead 是一个基于 AI 的开源工具，专为技术文档设计。它能自动分析 PDF 文件，标注关键内容，比如重要术语、标题或核心观点，帮助用户快速理解复杂文档。同时，它还能提供与文档主...

综合介绍 PRAG（Parametric Retrieval-Augmented Generation）是一个创新的检索增强生成工具，旨在通过将外部知识直接嵌入大语言模型（LLM）的参数空间，提升生成...

综合介绍 Higress是阿里巴巴开发的一款云原生API网关，基于Istio和Envoy构建，旨在提供高效的流量调度、服务治理和安全防护解决方案。它支持多种编程语言的Wasm插件扩展，适用于AI业务...

综合介绍 AI Dev Gallery是微软推出的一款专为Windows开发者设计的AI开发工具应用程序(目前处于公开预览版)。它提供了一个综合性平台，帮助开发者轻松地将AI功能集成到自己的Windo...

综合介绍 miniLLMFlow是一个极简主义的大语言模型(LLM)开发框架，其核心代码仅包含100行，彰显了"大道至简"的设计理念。该框架专门设计用于让AI助手（如ChatGPT、Claude等）能...

综合介绍 Agentic Security是一个开源的LLM（大语言模型）漏洞扫描工具，旨在为开发者和安全专家提供全面的模糊测试和攻击技术。该工具支持自定义规则集或基于代理的攻击，能够集成LLM AP...

综合介绍 OAK（Open Agent Kit）是一个开源工具，帮助开发者快速搭建、自定义和部署AI智能体。它能连接任何大语言模型（LLM），比如OpenAI、Google或Anthropic的模型...

综合介绍 “Vocabulary Book by DeepSeek”是一个基于DeepSeek大模型开发的开源项目，旨在帮助英语学习者高效掌握大学英语四级（CET-4）词汇。项目托管在GitHub上...

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 VoAPI 是一个全新的高颜值、高性能的 AI 模型接口管理与分发系统，主要用于个人或企业内部的管理与分发渠道。该系统基于 NewAPI 开发，提供了丰富的功能模块和优化的用户界面，旨在提升...

综合介绍 Text generation web UI 是一个基于 Gradio 的网页用户界面，专为大语言模型（LLM）设计。它支持多种文本生成后端，包括 Transformers、llama.cp...

综合介绍 Auto-Audio-Book 是一个开源项目，托管在 GitHub 上。它能自动从网站爬取小说内容，并将其转换为带有多角色配音的有声书。开发者 zqq-nuli 使用 Python 3.1...

综合介绍 Cloudflare Workers MCP 是由 Cloudflare 开发的一个开源项目，托管于 GitHub，旨在帮助开发者快速构建并部署基于 Cloudflare Workers 的...

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 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 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 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 WritingBench 是 X-PLUG 团队开发的一个开源项目，托管在 GitHub 上。它是一个专门用来测试大模型写作能力的工具，提供了 1239 个真实世界的写作任务。这些任务覆盖 ...

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 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 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 Step-Video-T2V是由StepFun AI（阶跃星辰）推出的一款先进的文本到视频转换模型。该模型拥有30亿参数，能够生成长达204帧的视频。通过深度压缩变分自编码器（VAE），模型...

综合介绍 Moondream 是一个开源的轻量级视觉语言模型，旨在通过深度学习和计算机视觉技术实现图像描述功能。该模型能够在各种平台上高效运行，特别适用于边缘设备。Moondream 采用先进的技术和...

综合介绍 文本提取API（text-extract-api）是一个强大的工具，旨在从各种文档格式（如PDF、Word、PPTX等）中提取和解析内容。该API利用最先进的光学字符识别（OCR）技术和Ol...

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 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 MCP Server ChatSum 是一个开源项目，旨在帮助用户查询和总结聊天消息。该项目托管在 GitHub 上，提供了一个强大的工具集，允许用户根据特定参数查询聊天记录，并生成相应的总...

综合介绍 PrimisAI Nexus 是一个轻量级的开源Python框架，托管于GitHub，由PrimisAI团队开发，旨在通过大语言模型（LLM）帮助用户构建和管理可扩展的AI多智能体系统，实现...

综合介绍 GPT4Free 是一个由开发者 xtekky 在 GitHub 上发布的开源项目，旨在免费提供多种强大的语言模型，包括 GPT-3.5、GPT-4、Llama、Gemini-Pro、Bar...

综合介绍 MoshiVis 是 Kyutai Labs 开发的一个开源项目，托管在 GitHub 上。它基于 Moshi 语音-文本模型（7B 参数），新增了约 2.06 亿个适配参数和冻结的 Pal...

综合介绍 MeetingMind 是一个先进的 AI 应用程序，旨在提高捕捉和总结商务会议的效率。该应用集成了 OpenAI 的 Whisper 技术，用于准确的语音转文字，并使用 IBM Watso...

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 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 SiteMCP 是一个开源工具，核心功能是抓取整个网站的内容并将其转化为 MCP（Model Context Protocol）服务器，让 AI 助手（如 Claude Desktop）直接...

综合介绍 AIEvo是蚂蚁集团开源的多代理框架，旨在高效创建多代理应用。该框架严格遵循SOP任务图，提升复杂任务的执行成功率，并通过反馈和监控机制确保高灵活性和可扩展性。AIEvo已在蚂蚁集团内部生产...

综合介绍 Raycast-G4F（GPT4Free） 是一款强大的 Raycast 扩展工具，让用户可以免费访问包括 GPT-4、Llama-3 在内的多种高级 AI 模型。该扩展不仅提供了实时对话流...

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 LangGraph Supervisor是一个基于LangGraph框架的Python库，专为创建和管理多智能体系统而设计。该库通过一个中央监督代理协调多个专门代理的工作，确保通信流和任务分...

综合介绍 RLAMA 是一个由 DonTizi 开源开发并托管于 GitHub 的文档智能问答 RAG（检索增强生成）系统，其核心特色在于通过命令行操作实现功能。用户可以通过简洁的终端命令，连接本地 ...

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 HumanOmni 是由 HumanMLLM 团队开发的一个开源多模态大模型，托管在 GitHub 上。它专注于分析人类视频，能同时处理画面和声音，帮助理解情感、动作和对话内容。项目用了 2...

综合介绍 Thera 是一个开源的图像超分辨率工具，由苏黎世联邦理工学院（ETH Zurich）和苏黎世大学的团队开发。它能将低分辨率图像放大到任意尺度，比如 2 倍、3.14 倍甚至非整数倍，并且放...

综合介绍 Magic 1-For-1 是一个高效的视频生成模型，旨在优化内存使用并减少推理延迟。该模型将文本到视频生成任务分解为两个子任务：文本到图像生成和图像到视频生成，从而实现更高效的训练和蒸馏...

综合介绍 Cerebr 是一个功能强大的 Chrome 浏览器 AI 助手扩展，旨在提升用户的工作效率和学习体验。Cerebr 的设计理念源于对简洁、高效浏览器 AI 助手的需求，凭借其极简设计和强大...

综合介绍 mcp-server-qdrant 是一个基于 Qdrant 向量搜索引擎构建的 Model Context Protocol (MCP) 服务器。它主要用来帮助 AI 系统存储和检索记忆...

综合介绍 HunyuanVideoGP是一个由DeepBeepMeep开发的大规模视频生成模型，专为低端GPU用户设计。该模型是对原始Hunyuan Video模型的改进版本，显著降低了内存和显存需求...

综合介绍 元界AI（开源版）是一个托管在 GitHub 上的项目，，由 libn-net 团队开发。它能通过 AI 技术克隆数字人形象和声音，生成短视频，还支持配音和字幕制作。这个工具提供 Windo...

综合介绍 Ai2 OLMoE是由Allen Institute for AI（简称Ai2，艾伦人工智能研究所）开发的一款开源iOS应用，旨在提供完全在设备上运行的AI模型。该应用利用了Ai2的开源OL...

综合介绍 CortexON 是一个开源的多代理 AI 系统，托管在 GitHub 上，网址为 https://github.com/TheAgenticAI/CortexOn。它由 TheAgenti...

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 autoMate 是一款由 yuruotong1 在 GitHub 上开源开发的本地自动化工具，以 AI+RPA（人工智能+机器人流程自动化）为核心特色。它将大型语言模型的智能理解与 RPA...

综合介绍 CR-Mentor 是一个结合专业知识库与大语言模型（LLM）能力的智能代码审查工具。它不仅支持所有编程语言的代码审查，还能基于知识库积累的最佳实践，为团队定制专属审查标准和重点关注领域。通...

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 AI Chatbot 是一个由 Vercel 开发的开源项目，旨在帮助开发者快速构建和部署智能聊天机器人。该项目基于 Next.js 框架，并集成了多种 AI 模型提供商，如 OpenAI...

综合介绍 UltraPixel 是一项先进的超高分辨率图像生成技术，旨在创造出极高质量、细节丰富的图像。该项目由 GitHub 用户 catcathh 开发，并在 NeurIPS 2024 上展示。U...

综合介绍 Lux 是一个用 Go 语言编写的快速且简单的视频下载库和命令行工具。它支持从多个网站下载视频，包括 YouTube、Bilibili、优酷等。Lux 提供了多种下载选项和功能，如多线程下载...

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 GOT-OCR2.0是一个阶跃星辰联合推出de 开源光学字符识别（OCR）模型，旨在通过一个统一的端到端模型推动OCR技术向OCR-2.0迈进。该模型支持多种OCR任务，包括普通文本识别、格...

综合介绍 Rowfill 是一个开源的文档处理平台，专为知识工作者设计。它利用先进的人工智能技术，从复杂的文档、图像和PDF中提取、分析和处理数据。Rowfill 支持本地大语言模型（LLM）和Ope...

综合介绍 CogView4 是由清华大学 KEG 实验室（THUDM）开发的一款开源文生图模型，专注于将文本描述转化为高质量图像。它支持中英双语提示词输入，尤其擅长理解中文提示并生成带有汉字的图像，非...

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...

综合介绍 ChatOllama是一个基于大型语言模型（LLM）的开源在线聊天应用项目，支持众多语言模型和知识库管理。用户可以通过该平台进行模型管理（列表展示、下载、删除）、与模型聊天等功能。项目运用了...

综合介绍 Open NotebookLM 是一个开源项目，旨在将任何PDF文档转换为播客。该工具利用开源的大型语言模型（LLM）和文本转语音（TTS）模型，处理PDF内容，生成适合音频播客的自然对话...

综合介绍 Claude Engineer 是一个由 Doriandarko 开发的交互式命令行界面（CLI），利用 Anthropic 的 Claude-3.5-Sonnet 模型来协助软件开发任务...

综合介绍 PromptWizard是微软开发的一个开源框架，采用自我进化机制，可以让模型自己生成、评价和改进提示词及生成示例，通过不断反馈来提高输出质量。它能够自主优化提示词、生成和选择合适的示例、并...

综合介绍 OpenSumi Lite 是一个基于 OpenSumi 项目的纯前端 IDE 解决方案，旨在提供无需 Node.js 环境的代码查看与编辑功能。该项目由阿里巴巴集团和蚂蚁集团共同开发，采用...

综合介绍 PR-Agent 是一个由 Qodo 开发的开源工具，旨在通过 AI 技术自动化处理拉取请求（Pull Request）。该工具能够提供自动化的反馈、建议和分析，帮助开发者更高效地进行代码审...

综合介绍 tgwechat是一个开源微信插件，由开发者dplusec开发。它通过端到端加密技术保护微信聊天隐私，让用户能安全地发送消息。项目于2019年8月31日在GitHub上线，采用GPL v3许...

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 Shortest是一个由Anti-Work团队开发的AI驱动的自然语言端到端测试框架。它基于Playwright构建，支持GitHub集成和双因素认证（2FA）。Shortest的主要特点是...

综合介绍 Cooragent 是清华大学 LeapLab 开发的开源 AI 代理协作框架，托管于 GitHub。它允许用户通过一句话描述创建智能 AI 代理，并支持多个代理协作完成复杂任务。框架提供两...

综合介绍 GPTMe是一款革命性的终端AI助手工具，专为提升开发者工作效率而设计。它将强大的AI能力与终端环境完美结合，支持代码执行、文件编辑、网页浏览和视觉识别等多样化功能。作为ChatGPT代码解...

综合介绍 Paper2Code 是一个开源项目，旨在解决机器学习论文缺乏代码实现的问题。它通过多代理大语言模型（LLM）系统 PaperCoder，将科学论文自动转化为可运行的代码仓库。系统采用规划...

综合介绍 Story-Flicks 是一个开源的AI工具，专注于帮助用户快速生成高清故事视频。用户只需输入一个故事主题，系统会通过大语言模型生成故事内容，并结合AI生成的图像、音频和字幕，输出完整的视...

综合介绍 Forecast AI 是一个基于先进人工智能技术的超级预测平台。它利用强大的数据分析和机器学习算法，为用户提供高精度的未来事件预测。无论是政治选举、经济趋势还是社会事件，Forecast ...

综合介绍 Paper Reviewer 是一个开源项目，旨在从 arXiv 论文生成综合评审，并将其转化为博客文章。该项目为 Hugging Face 的 Daily Papers 网站提供支持，自动...

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 Vibe Draw 是一个开源项目，它由 Martin Sit 开发，能让用户把手绘草图变成漂亮的 3D 模型。这个工具的目标很简单：让任何人都能轻松做 3D 建模，不需要高超的艺术技巧或复...

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 ReCamMaster 是一个开源视频处理工具，核心功能是从单一视频生成新的相机视角。用户可以指定相机轨迹，重新渲染视频，获得不同角度的动态画面。它由浙江大学、快手科技等团队开发，基于文本到...

综合介绍 PydanticAI是一个基于Pydantic的Python代理框架，旨在简化生成式AI应用的开发。它由Pydantic团队开发，支持多种模型（如OpenAI、Gemini、Groq等），并...

综合介绍 AnimatedDrawings 是由 Facebook Research 开发的一个开源项目，旨在通过自动化技术将儿童的绘画作品转化为动画角色。该项目基于论文《A Method for A...

综合介绍 SFT-data-builder 是一个开源项目，旨在利用免费的大模型API结合用户的私域数据生成高质量的SFT训练数据。该工具支持多种AI模型格式，并提供一键生成、批量生成、灵活编辑和本地...

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 SHMT（Self-supervised Hierarchical Makeup Transfer）是一个基于潜在扩散模型的自我监督分层化妆迁移项目，旨在通过无监督学习方法实现化妆效果的高质...

综合介绍 Arrakis 是一个专为 AI 智能体设计，提供安全、可自定义的沙盒环境。它由 Abhishek Bhardwaj 开发，托管在 GitHub 上，使用 AGPL v3 许可证。Arrak...

综合介绍 ColiVara 是一个基于视觉嵌入技术的文档存储和检索服务。它无需光学字符识别（OCR）或文本提取，避免了表格破损或图像丢失的问题。ColiVara 支持超过100种文件格式，包括 PDF...

综合介绍 EchoMimic 是一个开源项目，旨在通过音频驱动生成逼真的肖像动画。该项目由蚂蚁集团的终端技术部门开发，利用可编辑的标志点条件，结合音频和面部标志点生成动态的肖像视频。EchoMimic...

综合介绍 MTranServer 是一个专注于离线翻译的开源服务器项目，托管于 GitHub，由开发者 xxnuo 创建。它最大的亮点是超低的资源需求，仅需 CPU 和 1GB 内存即可运行，无需 G...

综合介绍 Harbor是一个革新性的容器化LLM工具集，专注于简化本地AI开发环境的部署和管理。它通过简洁的命令行界面(CLI)和配套应用程序，让开发者能够一键启动和管理包括LLM后端、API接口、前...

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 Lecca 是一个强大的AI平台，允许用户配置和部署大语言模型（LLMs），并配备多种工具和工作流。用户可以轻松构建、定制和自动化他们的AI代理。Lecca 提供了多种AI提供商和模型选择...

综合介绍 CodeArena 是一个独特的平台，旨在通过实时对决展示最佳开源代码生成模型（LLM）。用户可以观看不同的LLM在相同的编程任务中竞争，并通过实时排行榜查看表现最佳的模型。该平台利用Tog...

综合介绍 无限缩放稳定扩散（Infinite Zoom Stable Diffusion）是一个开源项目，旨在利用稳定扩散技术创建无限缩放视频。该项目提供了一个易于使用的Colab笔记本，用户可以通过...

综合介绍 GenEx 是一个先进的人工智能模型，能够从单张图像生成一个完全可探索的360° 3D世界。用户可以交互式地探索这个生成的世界。GenEx 推动了具象化人工智能在想象空间中的发展，并有潜力将...