GitHub/AI开源

在多轮交互式图像生成中制作一致的主题

一个虚拟试穿项目，可以从文本生成可穿戴3D 服装，ClotheDreamer是上海大学、上海交通大学、复旦大学和腾讯优图实验室出的。最佳服饰零售商

腾讯和上交大出的，具有置信度感知姿势指导的高质量人体运动视频生成，MimicMotion可以生成任意长度、具有任何动作指导的高质量视频生成框架。

FreeAskInternet 是一个完全免费、私有且本地运行的搜索聚合器，并使用 LLM 生成答案，无需 GPU。用户可以提出问题，系统将使用searxng进

一款基于ScreenCapture Kit for macOS的轻量级录屏 工具/基于 ScreenCapture Kit的多功能、轻量化、高性能的开源macOS屏幕录制工具。

利用AI技术将静态照片转换为视频，展现逼真的面部表情和动作。

一个基于音频驱动的肖像动画生成工具，通过可编辑的特征点条件生成逼真、自然的动画，用户可以根据自己的需求调整动画细节。

一种图像到3D框架，可以从单视图图像高效生成高质量的3D网格。具有最先进的生成保真度和强大的通用性。

您的人工智能求职助手。自动化申请、LinkedIn_AIHawk让你获得个性化建议并更快地找到您梦想的工作。

一个利用预训练的文本到图像扩散模型进行视频编辑的框架。它无需进一步训练或微调，即可实现一致的视频编辑效果。

一款开源AI文档翻译助手，帮助用户使用 OpenAI 等大型语言模型API快速且经济高效地翻译文档。支持txt、word、csv、excel、pdf、ppt等多种文档格式的翻译，适用于各种需要文档翻译的场景。

一款开源的多语言AI配音和视频翻译工具。Linly-Dubbing可以自动将视频翻译成其他语言并生成字幕、克隆视频中说话者的声音并自动配音、进行口型同步。

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。

一款基于 LLM 的智能字幕助手，无需GPU一键高质量字幕视频合成！支持生成、断句、优化、翻译全流程。卡卡字幕助手让视频字幕制作简单高效！优化、翻译，字幕视频全流程一键处理！

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。

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。

一个用于批量为视频生成字幕的客户端开源工具，并支持将字幕翻译成其他语言。

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。

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。

一款专注于微信公众号排版的Markdown编辑器，支持移动端，搭配DeepSeek和微信公众号助手，利用碎片化时间，通过手机就能编辑并发布带有排版效果的公众号文章。

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。

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。

一款可以完全在浏览器中运行的在线PPT工具，支持在浏览器中编辑和展示 PPT和通过AI生成PPT。它还原了大部分PowerPoint 常用功能。

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。