UnDatas.IO：精准解析各类非结构化数据的API服务（付费）
综合介绍 UnDatas.IO 是一个专注于解析和处理非结构化数据的平台。它利用先进的技术，自动识别文档布局，分类表格、图像、公式和文本，极大地简化了数据处理流程。该平台不仅能够节省大量的数据整理时间，还能帮...
AI工具 第48页
NoteGen：高效记录与写作的多终端 AI 笔记应用
综合介绍 NoteGen 是一款专注于记录和写作的跨端 AI 笔记应用，基于 Tauri 开发。它支持 Mac、Windows、Linux 等多个平台，未来还将支持 iOS 和 Android。NoteGen 提供强大的记录功能，帮助用户快速捕捉和整理碎...
Trae中文版 首发邀请下载：注册后不限量使用DeepSeek-R1！
开启 Builder 智能编程模式，无限量使用 DeepSeek-R1 和 DeepSeek-V3 ，对比海外版体验更加流畅。只需输入中文指令，不懂编程的小白也可以零门槛编写自己的应用。
OmniThink：生成高质量长文的写作框架，搜索外部知识后反思并逐步构建知识树
综合介绍 OmniThink 是一个创新的机器写作框架，旨在通过模拟人类认知过程中的迭代扩展和反思，生成高质量的长篇文章。该框架专注于扩展知识边界，生成的信息丰富且具有深度。OmniThink 通过构建大纲和生成文章，...
OpenAI Realtime Agents：多智能体语音交互应用（OpenAI示例）
综合介绍 OpenAI Realtime Agents是一个开源项目，旨在展示如何利用OpenAI的实时API来构建多智能体的语音应用。它提供了高级的智能体模式（借鉴 OpenAI Swarm），允许开发者在短时间内搭建出复杂的多智能体语音系...
Klap：将长视频转化为适合社交媒体传播的短视频，轻松制作热门短片
综合介绍 Klap 是一款基于人工智能的视频编辑工具，专为内容创作者设计，旨在将长视频转化为适合社交媒体平台（如 TikTok、Instagram Reels 和 YouTube Shorts）的短视频。用户只需粘贴 YouTube 链接或上传视频，...
DeepFace：实现面部年龄、性别、情绪、种族识别的轻量级Python库
综合介绍 DeepFace是一个轻量级的面部识别和面部属性分析（包括年龄、性别、情绪和种族）的Python库。它集成了多种先进的面部识别模型，如VGG-Face、FaceNet、OpenFace、DeepFace、DeepID、ArcFace、Dlib、SFace...
SynthLight：对肖像图像进行自然光照渲染（未发布）
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。SynthLigh...
1-2-1-MNVTON：高效图像、视频中人物虚拟试穿服装（待开放）
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）技术实现高效的虚拟试穿。该项目解决了传统虚拟试穿技术中计算成本高的问题，提供了...
Kokoro-ONNX：高效文本转语音工具，支持多语言和多声音选择
综合介绍 Kokoro-ONNX是一个基于ONNX runtime的开源文本转语音（TTS）工具。该项目由thewh1teagle开发，旨在提供高效、快速的语音合成解决方案。Kokoro-ONNX支持多种语言，包括英语，并计划支持法语、日语、韩语...
Zerox：PDF、DOCX、图像转换为Markdown，视觉模型高精度OCR
综合介绍 Zerox是一个开源项目，旨在通过视觉模型将PDF、DOCX、图像等文件转换为Markdown格式。该项目由getomni-ai团队开发，提供了简单高效的OCR（光学字符识别）解决方案。Zerox支持Node和Python两种编程语言，...
AIVLOG：自动剪辑视频精彩片段，轻松制作专业Vlog
综合介绍 AIVLOG是一款专为Vlog创作者设计的AI视频编辑工具。它能够自动分析视频内容，智能剪辑出精彩片段，节省用户95%的编辑时间。无论是日常生活、旅行记录还是谈话类视频，AIVLOG都能轻松处理。用户无需具备...
Charla：基于终端的极简AI聊天工具，本地集成Ollama后端
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。用户可以通过简单的命令行操作启动和使...
MiniRAG：简化检索增强生成框架，实体图索引召回相关文本块
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，主要解决小语言模型（SLM...
Omni-RGPT：图像和视频区域级理解多模态大模型，提升视觉内容分析能力
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（如框或掩码）直接嵌入这些标记，同时将...
百聆 (Bailing)：低延时的开源语音对话助手，轻松实现自然对话交流
综合介绍 百聆（Bailing）是一个开源的语音对话助手，旨在通过语音与用户进行自然的对话。该项目结合了语音识别（ASR）、语音活动检测（VAD）、大语言模型（LLM）和语音合成（TTS）技术，实现了类似GPT-4o的语音...
元界AI：开源版AI数字人克隆与短视频生成工具
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 Windows 安装版、Web 版、H5 版和小...
WikiChat：使用维基百科数据检索知识的聊天工具
综合介绍 WikiChat是由斯坦福大学开发的一款实验性聊天机器人，旨在通过从维基百科检索数据来提高大语言模型的事实性。大语言模型（如ChatGPT和GPT-4）在处理最新信息或不太流行的话题时，往往会出现错误。WikiCh...
Entretien AI：提升面试准备效果的AI模拟面试工具
综合介绍 Entretien AI 是一个专注于帮助求职者提升面试技巧的在线平台。它利用人工智能技术模拟真实面试场景，提供即时反馈和专家指导。用户可以通过这个平台进行针对性练习，优化自己的回答策略和沟通技巧。网...
UGCGenerator：AI生成个性内容视频广告，轻松实现病毒式传播
综合介绍 UGC Generator 是一个利用人工智能技术快速生成用户生成内容（UGC）视频广告的平台。用户只需上传产品链接，即可在几分钟内生成高质量的UGC风格视频广告。该平台提供了简洁的界面和强大的功能，帮助用户...
简体中文 
English 
日本語 
Deutsch 
Português do Brasil