开源工具

1. 首页
2. 开源工具

LTX Video

LTX Video是一款基于开源架构的AI视频生成工具，利用先进的扩散Transformer技术和2亿参数的DiT架构，能够在短时间内生成高质量视频。其功能涵盖实时生成、运动一致性保障、开源可扩展性及广泛的硬件兼容性，适用于游戏、广告、影视等多种行业，为用户提供高效的视频生成解决方案。

AI项目与工具 2025年06月12日 34 点赞 0 评论 361 浏览

BLIP3

BLIP3-o是Salesforce Research等机构推出的多模态AI模型，结合自回归与扩散模型优势，实现高效图像理解和生成。基于CLIP语义特征，支持文本与图像间的双向转换及图像编辑。采用顺序预训练策略，提升模型性能。完全开源，适用于创意设计、视觉问答、艺术生成等多种场景。

AI项目与工具 2025年06月11日 12 点赞 0 评论 363 浏览

WhisperChain

WhisperChain 是一款开源语音识别工具，支持实时语音转文本并提供文本优化功能，可去除填充词、优化语法。用户可通过全局热键快速启动语音输入，处理结果自动复制到剪贴板。支持 Streamlit 界面与 FastAPI 架构，适用于会议记录、写作辅助等场景。

AI项目与工具 2025年06月12日 57 点赞 0 评论 372 浏览

imgcook图像大厨

imgcook是阿里巴巴前端委员会智能化小组的服务化的内外落地产品，通过智能化技术一键生成可维护的前端代码

Ai编程建站 2025年06月05日 45 点赞 0 评论 373 浏览

Tesseract

Tesseract是一款开源的光学字符识别（OCR）引擎，支持多语言识别和多种图像格式。其具备高精度的文字识别能力，适用于文档数字化、表格数据提取、发票识别及移动OCR应用等多个场景。支持跨平台运行，并提供丰富的编程接口和自定义训练功能，便于开发者集成和优化识别效果。

AI项目与工具 2025年06月12日 12 点赞 0 评论 375 浏览

PaintsUndo

PaintsUndo是一款AI驱动的绘画过程生成工具，适合数字艺术创作者和绘画爱好者。用户只需提供一张静态图像，PaintsUndo便能自动生成该图像的绘画全过

Ai绘画生成 2025年06月05日 48 点赞 0 评论 376 浏览

Hibiki

Hibiki是一款由Kyutai Labs开发的开源语音翻译解码器，支持实时语音到语音（S2ST）和语音到文本（S2TT）的翻译。其基于多流语言模型架构，结合弱监督学习和上下文对齐技术，实现低延迟、高保真度的翻译效果。适用于国际会议、在线教育、旅游、新闻采访及客户服务等场景，具备良好的实用性和可扩展性。

AI项目与工具 2025年06月12日 31 点赞 0 评论 381 浏览

Video2PPT

一个开源、免费的可以将任意视频智能转换为精美PPT的工具，它支持多种视频来源，包括本地视频文件、在线视频链接（如 YouTube、Bilibili 等），还支持实时录屏。

PPT资源 2025年06月05日 94 点赞 0 评论 385 浏览

Magnitude

Magnitude 是一个开源的视觉 AI 代理驱动的端到端测试框架，支持自然语言编写测试用例，结合推理代理与视觉代理实现智能化测试流程。它具备本地运行、CI/CD 集成和托管服务等多种部署方式，适用于 Web 应用测试、自动化测试、生产环境监控等场景，提高测试效率与准确性。

AI项目与工具 2025年06月11日 88 点赞 0 评论 393 浏览

Fish Speech 1.5

Fish Speech 1.5是一款基于深度学习的文本转语音（TTS）工具，支持多语言文本输入，通过Transformer、VITS、VQVAE和GPT等技术实现高质量语音合成。它具备零样本和少样本语音合成能力，延迟时间短，无需依赖音素，泛化性强，且支持本地化部署。Fish Speech 1.5可应用于有声读物、辅助技术、语言学习及客户服务等多个领域。

AI项目与工具 2025年06月12日 14 点赞 0 评论 404 浏览