GitHub/AI开源

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。

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。

Convergence Ai开发的基于LMLM的个人AI智能体，Proxy具备自动化浏览Web的能力，能够通过自然语言交互来帮助用户完成各种日常任务。

通过DragGAN，任何人都可以通过精确控制像素的位置来变形图像，从而操纵不同类别的姿势、形状、表情和布局。

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。

MotionAgent 集成了大语言模型、文本生成图片模型、视频生成模型和音乐生成模型。

MagicEdit 是字节跳动的一款视频编辑工具，它可以高保真度和时间连贯性地编辑视频，通过学习明确区分外观和动作。

DeepFaceLab 是一种利用深度学习识别来交换图片和视频中的人脸的工具。

CodeFormer，超最强的AI 视频去码、图片修复，人脸修复神器。

TextBase 是一款简单的框架，用于构建 AI 聊天机器人，它可以帮助开发人员快速搭建和优化聊天机器人。

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。

Whisper 是一种通用的语音识别模型。它在不同音频的大型数据集上进行训练，也是一个多任务模型，可以执行多语言语音识别以及语音翻译和语言识别。

FaceChain是一个可以用来打造个人数字形象的深度学习模型工具。用户仅需要提供最低一张照片即可获得独属于自己的个人形象数字替身。

AI Companion App，一键创建和训练属于你的AI伴侣/女朋友。

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。

ProPainter，一键移除视频内的移动物体，一键移除视频水印。

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。

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。

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。

易魔声EmotiVoice是一个强大的开源TTS引擎，支持中英文双语，包含2000多种不同的音色，以及特色的情感合成功能，支持合成包含快乐、兴奋、悲伤、愤怒等广泛情感的语音。

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。

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。

Deepfakes Creator，可以通过文本输入生成逼真的会说话的真人视频。用户只需要上传想要化身模仿的人的照片，并写一个剧本，工具就能创建出逼真的人物化身视频，模拟人物说话。

InvokeAI 是一个开源项目，是 Stable Diffusion 模型的领先创意引擎，它为使用 Stable Diffusion 模型生成高质量图像提供了简化的过程。

LiveSketch是一款AI生成视频工具，用户通过文本提示将静态素描转化为动画，它提供了一种简单直观的方法，使他们的素描变得生动活泼。

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。

DreaMoving，一种基于扩散的可控视频生成框架，用于生成高质量的定制人类舞蹈视频。

ComfyUI Portrait Master 肖像大师简体中文版。超详细参数设置!再也不用为不会写人像提示词发愁!重新优化为ison列表更方便自定义和扩展。

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。

解决AI图像生成中手部畸形的问题 目前的图像生成模型，再生成图像方面已经非常出色，但在生成人类手部的图像时却常常出现问题，比如手指数量不对或者手形怪异。

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。

一个高质量视频生成的开放式扩散模型，相比之前的生成视频模型，VideoDrafter最大的特点是能在主体不变的基础上，一次性生成多个场景的视频。

该模型利用面部识别模型的面部ID嵌入，可以更准确地捕捉和再现特定人物的面部特征。IP-Adapter-FaceID结合文本描述生成可以生成高度个性化且与原始面部特征一致的图像。

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。

文生3D数字人工具，借助 Make-A-Character，您可以毫不费力地从文本描述中生成可控、逼真、可动画的3D数字人角色。

网易有道一个开源的本地知识库问答系统，旨在支持多种文件格式和数据库，允许离线安装和使用。 ,电子邮件(eml),TXT(txt),图像(jpg，jpeg，png),CSV(csv),网页链接(html)

一个面部图像精准恢复和个性编辑技术工具，不仅能复原受损图像细节，同时能精准捕捉和重现个人独特的面部特征。同时它还支持换脸。

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。

AI角色动画工具，通过先进的视频处理和3D渲染技术，MotionShop能够高效地将视频中的某个角色替换为3D人物，同时不改变视频中的其他场景和人物。

一个增强版免费开源的ChatGPT程序，LibreChat 是一个免费开源的聊天机器人平台，集成了多种 AI 模型。

字节跳动开发的由LLM驱动文本生成图像多合一系统，专门设计用于为不同的输入提示生成高质量的图像。

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。

基于大规模扩散的高保真通用图像恢复模型，SupIR能够根据文本提示进行智能修复，提高图像修复的质量和智能程度。

一种基于扩散的图像修复模型，主要用于虚拟试穿场景。它能够在修复图像时保留参考物品的细节，适用于在线购物等虚拟试穿场景中的图像修复任务。

一个专门为DuckDB数据库设计的文本到SQL的模型，你可以使用自然语言说描述你的需求，它会自动转换成SQL代码。

一个视频搜索和流媒体代理工具，能让您在 ChatGPT 中与您的视频库聊天并观看视频流。

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。

一个可扩展、功能丰富且用户友好的自托管 WebUI，适用于各种 LLM 运行器，支持的 LLM 运行器包括 Ollama 和 OpenAI 兼容的 API。

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。