GitHub/AI开源

一个用 React 框架开发的经典俄罗斯方块游戏。它用了组件化设计，能键盘控制，也能适配不同屏幕，既可以嵌入 React 应用，也能当独立组件用。

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。

有了 Notebook CoPilot，开发笔记本的过程变得更加容易。这个简单的工具可以毫不费力地根据您的输入生成代码和 Markdown 单元格，从而显着简化您的工作流程。

谷歌研究院开发的基于空间时间的文本到视频扩散模型。采用了创新的空间时间U-Net架构，能够一次性生成整个视频的时间长度，确保了生成视频的连贯性和逼真度。

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。

一项突破性的卡通着色进步，植根于扩散模型，通过解决四个子问题：风格化、一致性增强、结构指导和着色，将逼真的视频转变为动漫风格。

一个开源的文本生成图像动漫模型，通过整合新的数据集，Animagine XL 3.1扩展了对广泛动漫作品和风格的理解，从经典作品到最新发布的动漫，覆盖了从古老到现代的各种艺术风格。

PhotoMaker：利用多张照片作为身份ID，获取人物特征，然后根据描述生成一个新的、个性化的人物图像。

小红书FireRed 团队发布并开源的基于大模型的语音识别模型，它在中文普通话语音识别领域取得了新的SOTA，FireRedASR支持方言、英语及歌词识别。

The Multi-Agent Framework

一个基于 Qwen2.5-Coder-7B 模型微调的开源 UI 设计生成工具，能够根据用户输入的提示生成结构清晰且符合标准的 HTML 和 CSS 代码

BRIA AI开发的开源图像背景移除模型，RMBG-2.0基于创新的BiRefNet架构，能够在复杂环境和高细节图像中提供高精度的背景去除。

基于WeChaty结合OpenAI ChatGPT、Kimi、讯飞等多种AI服务实现的开源微信机器人项目，用于自动回复微信消息或管理微信群/好友。

一个免费开源的AI知识库系统，通过AI大模型提供AI创作、问答、搜索等能力，快速搭建产品文档、FAQ、博客系统，内置RAG能力适用于智能客服等场景。

AnimateDiff 是一个能够将个性化的文本转换为图像的扩展模型，一款可以在stable diffusion中制作稳定gif动图的插件。

一款基于mpv构建的开源视频播放器，专为学习日语设计。它巧妙地将视频播放与语言学习功能结合，支持通过影视内容进行语法分析、生词捕捉和记忆卡片制作。

销冠，卖货主播 LLM 大模型，Streamer-Sales就一款能够根据给定的商品特点从激发用户购买意愿角度出发进行商品解说的卖货主播大模型。

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。

VideoSrt是一个可以识别视频语音自动生成字幕 SRT文件的开源软件工具。适用于快速、批量的为媒体（视频/音频）生成中/英文字幕、文本文件的业务场景。

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。

一个开源的 AI 图像重绘增强工具，通过使用最新的 BSR Gan技术，可以将低分辨率图像提升至高分辨率并修复和增强图像的细节。

一个基于Web强大的开源PDF操作工具。它使您能够对 PDF 文件执行各种操作，包括拆分、合并、转换、重组、添加图像、旋转、压缩等。

LucidDreamer，可以从单个图像的单个文本提示中生成可导航的3D场景。 单击并拖动（导航）/移动和滚动（缩放）以感受3D。

一个能让AI 自动生成和优化其他AI代理的开源工具。作为首款 “Agenteer”，Archon 第六版支持多种工具库和 MCP 服务器集成，让生成的AI更高效可靠。

复旦大学、微软亚洲研究院和西安交通大学等机构的研究人员开发的一个能通过音频直接生成唱歌或说话视频的工具，而且视频时长不受限制，画面质量也很高。

EasyPhoto是一个用于生成AI肖像的Webui UI插件，可以用来训练与你相关的数字化替身。

一款基于Flutter开发的B站开源第三方客户端。支持Android和iOS平台，提供无广告的高清视频播放体验，具备倍速播放、离线缓存、稍后再看等功能。

CustomNet旨在更好地将指定物品的图片融合到新生成的图片中，并确保原物品的样式和纹理细节得以还原。这项技术给SD商品图融合带来了一线生机。

AIdea 是一款支持 GPT 以及国产大语言模型通义千问、文心一言等，支持 Stable Diffusion 文生图、图生图、 SDXL1.0、超分辨率、图片上色的全能型完全开源APP。

DeepFaceLive是一款基于人工智能的面部合成技术，它可以将一个人的面部表情和动作合成到另一个人的脸上，从而实现非常逼真的面部合成效果。

硅基智能打造的AI数字人智能交互平台。通过将数字人交互能力开源，开发者可自行接入多方大模型、语音识别（ASR）、语音合成（TTS）能力，实现数字人实时交互。

一个开源的数据标注 工具，可以帮助用户快速、准确、高效地对数据进行标注，从而提高机器学习模型的性能和质量。

一个精心整理的LLM 工具库，它将120多个与LLM相关的库按照功能和用途进行了细致分类，涵盖了从训练微调、应用开发、推理服务到安全评估等 LLM 开发全流程所需的工具。

一个基于WhisperLive把声音转文字和WhisperSpeech理解这些文字的能力构建。能够与AI聊天机器人进行超低延迟对话。

从音频生成全身逼真的虚拟人物形象。它可以从多人对话中语音中生成与对话相对应的逼真面部表情、完整身体和手势动作。

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。

TryOnDiffusion就谷歌推出的一项新虚拟试穿功能，能够实现高度逼真的虚拟试穿，用户能够直观地看到不同体型的人穿着不同尺寸的衣服效果如何。

一种从单个图像到一致的多视图扩散基础模型，旨在使用单视图输入生成 3D 一致的多视图图像。

一个由清华大学、阿里巴巴和华中科大共同开发的一个基于扩散模型可以让人物照片说话，支持包括歌曲、多种语言的语音、嘈杂的音频在内的各种声音匹配让人物头像说话的框架。

一款开源的低/无代码工具，只要用于可视化构建LLM工作流。它通过拖拽界面，让用户不需要编写的复杂代码就可以快速搭建 LLM 应用。

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。

一款免费、开源、适合认真阅读的稍后阅读应用程序。不受干扰。注重隐私。开源。专为知识工作者和终身学习者而设计。

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。

一个专注于动漫图像超分辨率的项目，旨在恢复和增强来自现实世界场景的低质量、低分辨率动漫图像和视频源。

一个开源的学术期刊配色推荐器，收集整理了众多高质量论文插图的配色，可帮助我们轻松快速找到专业水准的配色组合。

一个免费开源的在线简历生成器，用户可以实时编辑简历并一键导出 PDF 文件，数据会保存在本地浏览器，并有多种好看的简历模板，手机和 电脑都能用。

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。

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。