AI开源项目

综合介绍 小猿口算自动答题工具是一个基于Python的开源项目，旨在通过OCR识别和自动化脚本来高效解决小猿口算应用中的题目。该工具利用了OpenCV和Tesseract等技术，能够实时识别屏幕上的题...

综合介绍 Agent Inbox是由LangChain团队开发的一个开源项目，旨在提供一种新的用户体验，用于与AI智能体进行交互。该项目允许用户通过一个集中的界面管理和优化与多个AI智能体的交互。Ag...

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 Eko 是一个生产级的 JavaScript 框架，旨在通过自然语言描述来构建高效的智能代理工作流程。它的设计使开发者能够在不深入编程的情况下，利用AI技术自动化日常任务。Eko提供了一个统...

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...

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 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...

Lepton Search 综合介绍 Lepton Search是一个对话式AI搜索引擎，由贾扬清推出，使用Lepton AI平台构建。Lepton Search可以根据用户的自然语言问题，主动搜...

综合介绍 Vanna是一个MIT许可的开源Python框架，专注于通过RAG（检索增强生成）技术生成SQL查询。用户可以通过训练RAG模型，将其应用于自己的数据，然后提出问题，Vanna会返回相应的S...

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 OpenDeepResearcher 是一个开源的自动化深度研究工具，旨在通过人工智能技术提升研究效率。该项目由 mshumer 开发，托管在 GitHub 上。OpenDeepResear...

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 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 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 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 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 Activepieces是一个开源的全能型自动化工作流平台，专注于为企业和个人用户提供直观、强大的自动化解决方案。该平台采用TypeScript开发，具有极强的可扩展性，支持200多个集成服...

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 Flow是一个轻量级的任务引擎，专为构建AI代理而设计，强调简洁性和灵活性。与传统的基于节点和边的工作流不同，Flow采用动态任务队列系统，支持并行执行、动态调度和智能依赖管理。其核心理念是...

综合介绍 OpenPilot 是由 comma.ai 开发的开源自动驾驶系统，旨在通过先进的驾驶辅助功能提升现有车辆的驾驶体验和安全性。自 2016 年首次发布以来，OpenPilot 已支持超过 2...

综合介绍 Orion 是小米实验室开发的开源项目，专注于端到端（E2E）自动驾驶技术。它通过视觉语言模型（VLM）和生成式规划器，解决传统自动驾驶方法在复杂场景中因果推理不足的问题。Orion 整合长...

综合介绍 AutoDev 是一个由 Unit Mesh 团队开发的开源项目，托管在 GitHub 上，旨在通过人工智能技术提升开发者的编程效率。它是一个功能强大的编码助手，支持多种编程语言，包括 Ja...

综合介绍 LiteAvatar 是由 HumanAIGC 团队（阿里旗下）开发的一款开源工具，专注于通过音频实时驱动2D虚拟形象生成面部动画。它仅依靠CPU就能以30帧每秒（fps）的速度运行，特别适...

综合介绍 Exa & Deepseek Chat App 是一个开源的智能聊天应用，主要功能包括使用 Exa 的 API 进行实时 Web 搜索和利用 Deepseek R1 语言模型进行智能...

综合介绍 Bonsai 是 deepgrove-ai 开发的一个开源语言模型，参数规模为 5 亿，采用三值权重（ternary weights）技术。它基于 Llama 架构和 Mistral 分词器...

综合介绍 DeepSeek-RAG-Chatbot 是一个基于 DeepSeek R1 模型构建的开源聊天机器人项目，托管于 GitHub，由开发者 SaiAkhil066 创建。它结合了检索增强生成...

综合介绍 MedRAX是一个专为胸部X光片（CXR）分析设计的先进AI智能体。它集成了最先进的CXR分析工具和多模态大语言模型，能够动态处理复杂的医学查询，而无需额外训练。MedRAX通过其模块化设计...

综合介绍 FantasyTalking 是一个由 Fantasy-AMAP 团队开发的开源项目，专注于通过音频驱动生成真实感说话肖像视频。项目基于先进的视频扩散模型 Wan2.1，结合音频编码器 Wa...

综合介绍 Meeting Minutes（又名 Meetily）是由 Zackriya Solutions 开发的一款免费开源的 AI 会议助手工具，专注于实时捕获会议音频、生成转录文本并自动提取会议...

综合介绍 FramePack 是一个开源的视频生成工具，专注于让视频扩散技术更实用。它通过独特的下一帧预测神经网络，将输入帧压缩到固定长度，使生成工作量与视频长度解耦。这意味着即使生成长视频，显存需求...

综合介绍 Extract.fun 是一个现代化的Web应用程序，利用Cloudflare浏览器渲染功能从任何网站提取图片。该应用基于Remix构建，并部署在Cloudflare Pages上，提供快速...

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 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 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 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 MM-EUREKA 是一个由上海人工智能实验室、上海交通大学等多方合作开发的开源项目。它通过基于规则的强化学习技术，把文本推理能力扩展到多模态场景，帮助模型处理图像和文字信息。这个工具的核心...

综合介绍 Autiobooks 是一款开源工具，旨在帮助用户将 .epub 格式的电子书快速转换为 .m4b 格式的有声书。它采用 Kokoro 提供的优质语音合成技术，生成的音频自然流畅。这款工具由...

综合介绍 mac assistant 是一个专为macOS设计的AI智能体项目，旨在通过结合本地软件和网络功能来简化用户操作。该项目目前支持 OpenAI 和 GEMINI API ，并计划未来支持 ...

综合介绍 ChatGPT Box 是一个开源的浏览器扩展工具，旨在将 ChatGPT 深度集成到用户的浏览器中。该工具由 josStorer 开发，支持多种语言，并提供多种功能，如在任意页面调用聊天对...

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 BabelDOC 是一个开源工具，专门用来把 PDF 文档翻译成双语对照格式。它由 funstory-ai 团队开发，托管在 GitHub 上，主要服务于需要处理外语文档的用户，比如研究人员...

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 FinGPT 是由 AI4Finance 基金会开发的开源金融大语言模型平台，专为金融领域设计，旨在解决复杂的金融任务，并推动金融科技的创新发展。FinGPT 利用轻量化适配技术和强化学习方...

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 promptfoo 是一个开源的命令行工具和库，专门用于评估和红队测试大语言模型（LLM）应用。它为开发者提供了一套完整的工具，用于构建可靠的提示、模型和基于检索的生成（RAGs），并通过自...

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 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 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 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 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 Thin-Plate-Spline-Motion-Model是一个在CVPR 2022会议上发表的开创性图像动画生成项目。该项目基于薄板样条变换理论，能够将静态图像根据驱动视频实现高质量的动...

综合介绍 Doc2XAPITranslate 是一个强大的文档全文翻译工具，专为将英文PDF或Markdown论文快速翻译为中文文档而设计。该工具支持多种翻译器，包括DeepSeek、OpenAI、O...

综合介绍 AgentClientDemo 是一个集成了智能体（Agent）和客户端（Client）功能的综合性 Python 项目。该项目基于 PyQt 框架开发，提供了一个直观易用的图形用户界面（G...

综合介绍 FireRedASR 是由小红书 FireRed 团队开发并开源的语音识别模型，专注于提供高精度、多语言支持的自动语音识别（ASR）解决方案。项目托管于 GitHub，面向开发者与研究者，提...

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...

综合介绍 gpt-prompt-engineer是一个GitHub上的开源项目，专注于GPT模型的提示工程。用户可以通过输入任务描述和测试用例，这个工具能够生成、测试，并排名不同提示以寻找表现最佳者...

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 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 MCP-Playwright 是一个由 ExecuteAutomation 开发并托管在 GitHub 上的开源工具。它基于 Playwright 和 Model Context Proto...

综合介绍 muAgent 是由蚂蚁集团开发的创新型多智能体框架。该框架通过画布式拖拽和简单的文本编写，协同多智能体、函数调用、代码解释器等技术，帮助用户在人工指导下执行各种复杂的标准操作流程（SOP...

综合介绍 FitDiT是一个基于扩散变换器(Diffusion Transformers)的高保真虚拟试衣系统。该项目由腾讯AI Lab开发，旨在解决传统虚拟试衣系统在展示服装细节时的局限性。FitD...

综合介绍 微信 Markdown 编辑器（WeChat Markdown Editor）是一款高度简洁的微信图文排版工具，旨在帮助用户轻松创建美观的微信文章。该编辑器支持所有基础的 Markdown ...

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 NVIDIA Garak 是一款开源工具，专门用于检测大型语言模型（LLM）的漏洞。它通过静态、动态和自适应探测，检查模型是否存在幻觉、数据泄露、提示注入、错误信息生成、有害内容生成等多种弱...

综合介绍 JupyterLab Magic Wand是一个实验性的JupyterLab扩展，旨在为JupyterLab笔记本提供内嵌的AI助手功能。该扩展由Zsailer开发，主要用于提升数据科学家和...

综合介绍 Mini-Cover 是一个开源的在线封面生成工具，专为博客、短视频和社交媒体等平台生成个性化封面。该工具由 JLinMr 开发，旨在提供一个简洁高效的解决方案，帮助用户快速生成符合自己需求...

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 WordPress AI助手插件（wp-ai-chat）是一个开源的WordPress插件，旨在为用户提供多种AI功能，包括AI对话、文章生成、文章总结、文章翻译和内容朗读。该插件支持对接多...

综合介绍 A_Share_investment_Agent 是一个基于多智能体系统的A股投资决策辅助工具。该系统旨在通过多个协作智能体来分析市场数据、计算股票内在价值、分析市场情绪以及基本面数据，从而...

综合介绍 MLX-Audio 是一个基于 Apple MLX 框架开发的开源工具，专注于文本转语音（TTS）和语音转语音（STS）功能。它充分利用 Apple Silicon（如 M 系列芯片）的强大...

综合介绍 Infini-Megrez是由无问芯穹（Infinigence AI）开发的边缘智能解决方案，旨在通过软硬件协同设计，实现高效的多模态理解和分析。该项目的核心是Megrez-3B模型，支持图...

综合介绍 wdoc是一个功能强大的RAG（检索增强生成）系统，专为处理和分析大量多样化的文档而设计。它能够从各种文件类型中进行检索，包括PDF、网页、YouTube视频、音频文件等。wdoc特别适合处...

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 OpenAI Realtime API Next.js 是一个基于Next.js框架的开源项目，旨在帮助开发者快速构建实时语音AI应用。该项目集成了OpenAI的实时API和WebRTC技术...

综合介绍 Melty是一款革命性的AI代码编辑器，它将聊天对话与Git版本控制完美结合。由来自Replicate的Charlie和Jackson共同开发，这款工具旨在解决传统AI编码工具的痛点。其最大...

综合介绍 MangaNinjia 是阿里巴巴通义视觉智能实验室（Ali-Vilab）开发的一个开源项目，专注于线稿上色的自动化处理。这一工具通过深度学习技术，实现了对参考图像的精确色彩匹配，极大地提高...

综合介绍 Solana Agent Kit是一个开源工具包，旨在将AI智能体与Solana区块链协议无缝连接。无论是AI研究人员还是加密货币开发者，都可以使用任何模型训练的智能体，通过该工具包执行超过...

综合介绍 QuickPiperAudiobook 是一个开源项目，旨在通过简单的一条命令，将各种文本格式（如 epub、mobi、txt、PDF、HTML 等）转换为自然音质的有声书。该工具使用 Pi...

综合介绍 Agno 是一个由 agno-agi 团队开发并托管于 GitHub 的开源 Python 库，致力于让开发者轻松构建具备记忆、知识和工具的 AI 智能体。它支持文本、图像、音频和视频等多模...

综合介绍 OpenPromptStudio（OPS）是一个开源的AIGC提示词可视化编辑器，由Moonvy团队开发。它旨在简化提示词的创建和管理过程，支持Midjourney等AI模型。OPS通过No...

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 Open-Sora 是一个开源项目，旨在让任何人都能高效生成高质量视频。它由 hpcaitech 团队开发，提供从文本或图像生成视频的工具，支持多种分辨率和时长。项目完全开源，公开模型权重...

综合介绍 WeChatAI 是一款基于 Python 开发的微信群聊和个人智能助手，支持多种大语言模型（如 DeepSeek、Gemini、通义千问），可以实现智能对话、自动回复等功能。该项目采用现代...

综合介绍 Search-R1 是一个开源项目，由 PeterGriffinJin 在 GitHub 上开发，基于 veRL 框架构建。它通过强化学习（RL）技术训练大语言模型（LLM），让模型自主学会...

综合介绍 中文DeepSeek-R1蒸馏数据集是一个开源的中文数据集，包含110K条数据，旨在支持机器学习和自然语言处理研究。该数据集由刘聪NLP团队发布，数据集不仅包含数学数据，还包括大量的通用类型...

综合介绍 Linly-Talker 是一个创新的数字人对话系统，结合了大语言模型（LLMs）与视觉模型，创造出一种新颖的人机互动方式。该系统集成了多种技术，如 Whisper、Linly、Micros...

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 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 LangGraph CUA 是由 LangChain 团队开发的一个开源项目。它基于 LangGraph 框架，让开发者可以用 Python 打造能直接操作电脑的 AI 智能体。这个工具的核...

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 zChunk是由ZeroEntropy开发的一种新型分块策略，旨在为通用语义分块提供解决方案。该策略基于Llama-70B模型，通过提示生成分块，优化了文档的分块过程，确保在信息检索时保持高...

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 FoloUp 是一个开源平台，专为企业提供AI驱动的语音面试解决方案。通过FoloUp，企业可以快速生成针对职位描述的定制化面试问题，并通过AI进行自然对话式的面试。平台还提供详细的面试分析...

综合介绍 MegaTTS3 是字节跳动与浙江大学合作开发的一款开源语音合成工具，专注于生成高质量的中英文语音。它的核心模型只有 0.45B 参数，轻量高效，支持中英文混合语音生成和语音克隆。项目托管在...

综合介绍 VideoGrain 是一个专注于多粒度视频编辑的开源项目，由 xAI 团队开发并在 GitHub 上托管。这个项目出自论文《VideoGrain: Modulating Space-Tim...

综合介绍 OrionChat是一个基于网页的AI聊天界面，它为用户提供了一个统一的平台来与多个主流AI模型进行交互。该项目支持包括Ollama(本地运行)、OpenAI GPT、Google Gemi...

综合介绍 PDF Craft 是一个开源工具，专为扫描书籍的PDF设计，能将其转换为Markdown格式。它由 oomol-lab 开发，托管在 GitHub 上，适合喜欢整理电子书的用户。工具通过本...

综合介绍 BrowserTools MCP 是一个开源项目，由 AgentDeskAI 团队开发。它通过 Chrome 扩展和 Node.js 服务，让 AI 能实时监控浏览器活动，包括日志、网络请求...

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...