开源工具
  1. 首页
  2. 开源工具

列表

Vision Parse

Vision Parse

Vision Parse 是一款开源工具，旨在通过视觉语言模型将 PDF 文件转换为 Markdown 格式。它具备智能识别和提取 PDF 内容的能力，包括文本和表格，并能保持原有格式与结构。此外，Vision Parse 支持多种视觉语言模型，确保解析的高精度与高速度。其应用场景广泛，涵盖学术研究、法律文件处理、技术支持文档以及电子书制作等领域。
AI项目与工具 2025年06月12日
Yuxi

Yuxi

Yuxi-Know是一款基于RAG和知识图谱技术的智能问答平台，支持多种文档格式上传与向量化存储，可高效检索并生成准确答案。集成Neo4j知识图谱，支持复杂关系查询，兼容多模型平台及本地部署。提供智能体拓展、网页检索和可视化配置功能，适用于企业知识管理、教育、客服、医疗及科研等领域，提升信息处理效率与准确性。
AI项目与工具 2025年06月11日
Wan2.1

Wan2.1

Wan2.1是阿里云推出的开源AI视频生成模型，支持文生视频与图生视频，具备复杂运动生成和物理模拟能力。采用因果3D VAE与视频Diffusion Transformer架构，性能卓越，尤其在Vbench评测中表现领先。提供专业版与极速版，适应不同场景需求，已开源并支持多种框架，便于开发与研究。
AI项目与工具 2025年06月12日
MMedAgent

MMedAgent

MMedAgent是一款面向医疗领域的多模态AI平台，集成了指令优化的多模态大型语言模型（MLLM）及一系列定制化医疗工具，支持多种医学成像模式（如MRI、CT、X射线等），可高效处理视觉问答、分类、定位、分割、医学报告生成（MRG）及检索增强生成（RAG）等任务，显著提升了医疗数据处理效率与准确性。
AI项目与工具 2025年06月12日
Wav2Lip

Wav2Lip

Wav2Lip是一款开源的唇形同步工具，能够将音频文件转换为与口型同步的视频。它支持多种语言，适用于视频编辑、游戏开发和虚拟现实等多个领域。Wav2Lip具备音频驱动口型生成、面部表情同步和多语言支持等功能，采用先进的技术原理，如数据预处理、音频特征提取、口型编码器、音频到口型映射及生成对抗网络（GAN）。该工具提升了电影和视频的后期制作质量，增强了虚拟现实中的交互体验，还用于游戏开发、语言学习和
AI项目与工具 2025年06月12日
Aider

Aider

Aider 是一款开源 AI 编程辅助工具，支持多语言开发，集成多种大型语言模型，通过命令行实现代码编辑、自动提交和多文件处理。具备语音编程、图片交互等功能，提升开发效率。适用于新项目搭建、代码修复、重构及团队协作，支持与主流 IDE 集成，提供流畅的开发体验。
AI项目与工具 2025年06月12日
GroundingBooth

GroundingBooth

GroundingBooth 是一种创新的文本到图像定制框架，通过结合文本-图像对齐模块和遮罩交叉注意力层，实现了前景主体与背景对象的空间精准对齐。其核心功能包括单主题与多主题定制、身份保留、文本-图像一致性保障及复杂场景下的高精度生成。该工具广泛应用于个性化商品定制、艺术创作、游戏设计、广告营销等多个领域，为视觉内容创作提供了强大的技术支持。
AI项目与工具 2025年06月12日
LangBot

LangBot

LangBot 是一款开源的多平台即时通讯机器人，支持多种主流通信工具及大语言模型。具备多模态交互、多轮对话、插件扩展和安全管理等功能，适用于企业客服、个人助理、社区管理、教育辅导和内容创作等场景，提供灵活、安全的自动化服务。
AI项目与工具 2025年06月12日
olmOCR

olmOCR

olmOCR 是一款开源 PDF 文档处理工具，结合文档锚定技术和 Qwen2-VL-7B-Instruct 模型，可高效提取结构化文本并保留原始布局。支持多种文档类型，具备大规模批量处理能力和低成本优势，适用于学术研究、法律文件处理、企业文档管理及数字图书馆建设等多个场景。其开源特性与可扩展性也增强了用户的使用灵活性。
AI项目与工具 2025年06月12日
RAG Logger

RAG Logger

RAG Logger 是一款专为检索增强生成（RAG）应用设计的开源日志记录工具，支持查询跟踪、检索结果记录、LLM 交互记录及性能监控等功能。其核心特性包括结构化 JSON 日志存储、每日日志组织、事件驱动架构和灵活配置选项。RAG Logger 能够帮助开发者有效监控和优化 RAG 管道的运行效率，广泛适用于搜索引擎优化、智能问答系统、内容推荐系统、NLP 研究及教育辅助工具等领域。
AI项目与工具 2025年06月12日