AI工具软件

一个围绕 TTS生成模型开发的项目，ChatTTS-Forge为用户提供灵活的TTS生成能力，支持多种音色、风格控制、长文本推理等功能。

上海交通大学牛力教授团队推出的一款图像合成工具箱，经过六年的研发，集成了多种强大的图像处理功能。

一个实时编辑脸部表情和头部位置的AI 工具。用户可以通过简单的拖放界面，轻松调整面部特征和表情，使静态的肖像变得生动。

一个集合了各种流行的模型和服务的一站式平台，提供包括 OpenAI、Midjourney、Claude、讯飞星火、Stable Diffusion、DALL·E 等一站式的解决方案

一款开源的PDF文档翻译工具，专为翻译科技论文等PDF文件而设计。PDFMathTranslate能够完整保留原文的排版，包括公式和图表，并支持双语对照，保持原有目录结构。

一站式开源高质量数据提取工具，支持PDF、网页、多格式电子书提取，自动识别并转换LaTeX格式、HTML格式，自动OCR，支持多语言。

一款专注于视频质量修复与增强的全新工具，VISION XL利用潜在扩散模型来解决高清视频的逆问题，能够在资源要求较低的环境下提供出色的修复与超分辨率能力。

一款由开源达人Hassan打造的AI Logo设计工具，LogoCreator依托Together AI平台的Flux模型实现，为用户提供智能、高效的Logo生成功能。

一款开源代码智能体Agent，Codename Goose不仅能自动生成代码，还能安装、执行、测试。

一款开源的支持多种大型语言模型（LLM）桌面AI客户端，集成了多个LLM，支持Ollama本地模型部署。

字节跳动推出的一系列大规模视觉语言模型（LVLM），专注于视频理解任务，包括视频描述、问答、视频定位、幻觉测试等功能。

由Riffusion推出的一款基于扩散模型（Diffusion Model）的全新音乐生成模型，该工具能够通过“想象”生成音频的声谱图（Spectrogram），然后将其转换为音频。便携式音箱

一款基于AI的自动化浏览器助手，能够通过自然语言操作网页。你只需描述要执行的任务，Midscene.js会自动处理网页，如发推文、验证内容、搜索信息等功能。

京东科技与香港大学合作开发的音频驱动3D说话人脸视频生成框架，提供精确的唇部与音频同步，以精确模拟说话者的唇部动作和面部表情，让生成的视频更逼真。

Kyutai Labs开发的高保真实时语音翻译模型，可以保留原声特点并进行实时翻译，边听边翻译，像同声传译一样实时输出，同时生成语音和文字翻译。

一个开源的多平台 LLM 聊天机器人及开发框架，支持多个消息平台的集成，如QQ、微信，AstrBot支持多种大型语言模型（LLM）的接入。

阿里通义实验室开源的音乐生成技术，一款集音乐生成、歌曲生成、音频生成能力为一体的开源AIGC工具包。

一个将DeepSeek R1模型推理能力和Claude的代码生成能力的开源工具，提供统一的API和聊天界面，还可自定义配置、具有低延迟等特点。

新加坡国立大学、上海人工智能实验室和德克萨斯大学奥斯汀分校联合开发的视频生成增强算法。

一个开源大模型原生即时通信机器人平台，支持多平台（如 微信、飞书 等）和多种大语言模型（如 ChatGPT、DeepSeek等)，具备多模态交互能力。

一个基于AI的、开源有声书工具集，LiberSonora提供智能字幕提取、AI标题生成、多语言翻译等功能，并且支持 GPU 加速、批量离线处理。

一个能够帮助用户轻松收纳各种文档的强大工具，Simba可以作为一个后端知识库与任何检索增强生成（RAG）系统进行无缝集成。

一种用于检索增强生成（RAG）架构的框架，适用于需要动态生成内容且依赖外部知识库的场景，如智能客服、文档生成和数据分析等。

一个基于扩散变换器的序列生成模型，通过其强大的生成能力，生成一致性的序列图像。

Join the world's most widely adopted, AI-powered developer platform where millions of developers, businesses, and the largest open source community build software that advances humanity.

一个由阶跃星辰与吉利汽车合作开源的先进文本到视频生成模型。支持中文与英文提示输入，应用于在如广告、影视制作、自动化内容创作等场景。

字节跳动基于跨模态对齐的主体一致性视频生成系统，Phantomsk可以严格保持参考脸部的身份特征，同时生成生动的视频内容。

一个专为中小型团队设计的开源AI聊天机器人项目，支持Deepseek、OpenAI、Claude和Gemini等多种主流AI模型。

一个以Rust为基础构建的AI智能体框架，整合了ICP区块链并且支持TEE环境，Anda的目标在于构建一个能够高度组合、自主运行且拥有持续记忆能力的AI智能体网络。

一款能够一键将arXiv上的论文转换为Markdown格式的浏览器插件，无论该论文呈现的是摘要、PDF版本还是HTML版本。

一个利用大型语言模型（LLMs）生成高质量、特定领域学术论文和调查的先进学术调查自动化系统。

一款高性能的轻量级数字人驱动算法，具备语音和表情两种驱动模式，MiniMates能够在普通 电脑上实现实时运行，用户能够定制自己的AI伙伴。

一个用于实时监控和检测 Ollama 服务可用性和性能的系统。支持多语言，能够方便用户进行服务检测和性能监控。

一个现代化的在线简历编辑器，它基于 Next.js 和 Framer Motion 构建，可以让用户能够轻松创建专业的简历。

The Multi-Agent Framework

一款基于React Native开发的快速、安全、跨平台聊天应用，支持实时流式聊天功能和Markdown语法，还可以生成AI图像，兼容DeepSeek、Amazon Bedrock、Ollama和OpenAI等模型。

一款专注于优化编码体验的开源等宽字体，它提供无限的字体粗细和手工微调的斜体字形，圆角设计使其看起来丝滑舒适，特别适合长时间编码工作。

一个基于微信平台开发的智能助手，主要对接 Coze 平台，支持大部分 Coze Bot 功能。它允许用户通过微信与 AI 聊天机器人进行交互，支持文本、语音等多种交互方式。

微软开发的一个开源框架，用于构建和管理基于LLM的多代理系统。它允许用户创建多个Agent，这些代理可以通过对话协作完成复杂的任务。

一款低代码、可视化的AI应用构建工具，主要用于快速搭建和实验LangChain流水线。支持多代理对话管理和RAG应用，适用于构建智能聊天机器人、文档分析系统和内容生成工具等场景。

一个开源的AI机器学习框架，专注于构建自然语言对话系统，如聊天机器人和语音助手，Rasa广泛应用于客户服务、智能助手、企业自动化等多个领域。

一个适用于构建模块化、可扩展的AI代理开源框架，它将复杂的AI系统分解为最小的、不可分割的组件，并通过这些组件的灵活组合来构建强大的 AI 应用。

一个字节跳动开源的多模态 AI 代理工具，Agent TARS能够通过视觉方式解释网页内容，从而实现流畅的浏览器操作。

简洁易用的大模型本地部署工具，支持开源模型 DeepSeek-R1， DLlama 3, Phi-4, Mistral, Gemma 3 等模型的本地化部署，专注于数据安全、隐私保护和高效的AI对话体验。

一个面向复杂业务场景设计的多智能体协作框架，它提供了快速易用的大模型智能体应用搭建能力，以及丰富的多智能体协同模式组件。

一个专为开发者设计的AI代理框架，帮助开发者快速搭建、测试和部署生产级的 AI 代理。它强调代码优先和事件驱动，支持多语言开发，并提供可视化界面，使开发者能够专注于业务逻辑。

一个基于.NET开发的开源AI多智能体应用开发框架，它可以快速将大型语言模型（LLMs）快速集成到现有业务系统中。

一个Pydantic 团队开发的Python代理框架，可以通过生成式AI轻松构建生产级应用程序。

一款开源的低代码/无代码浏览器自动化工具，用户可以通过可视化界面，像搭积木一样将各种功能模块连接起来，构建自定义的自动化流程。

一款开源的命令行工具，用于给扫描的 PDF 文件添加可搜索的OCR文本层。它支持多语言，能优化图像、纠偏、清洁页面，并自动旋转方向，生成 PDF/A 格式文件。