开源

1. 首页
2. 开源

MaskGCT

MaskGCT是一款基于掩码生成模型与语音表征解耦编码技术的语音合成大模型，由趣丸科技与香港中文大学（深圳）联合开发。其主要功能包括声音克隆、跨语种语音合成、语音控制及高质量语音数据集支持。该模型在多个TTS基准数据集上表现优异，可快速精准地克隆音色并灵活调整语音属性，适用于多种语言，已开源并面向全球用户开放。

AI项目与工具 2025年06月12日 35 点赞 0 评论 898 浏览

ICEdit

ICEdit是由浙江大学与哈佛大学联合开发的指令式图像编辑框架，基于扩散变换器实现自然语言驱动的图像修改。支持多轮编辑、风格转换、对象替换等功能，具有高效处理能力（单张图像约9秒）。采用LoRA-MoE混合微调策略，降低资源需求，适用于创意设计、影视制作、社交媒体等多个领域。开源且提供在线体验，便于研究与应用。

AI项目与工具 2025年06月11日 85 点赞 0 评论 899 浏览

元经纪

集合全球元宇宙行业的优质供应链，一站式采购您所需要的元宇宙行业解决方案和产品。全网比价，为您筛选出最优性价比的供应商。

创作工具 2026年08月09日 0 点赞 0 评论 900 浏览

Dialogue.moe

一个用于动漫台词对白搜索的在线搜索引擎，Dialogue收录了大量的动画和漫画的经典台词，可以通过搜索引擎来查找自己喜欢的作品，也可以通过浏览分类来查找相应的作品。

剧本文案 2025年06月05日 68 点赞 0 评论 900 浏览

OSUM

OSUM是一款由西北工业大学研发的开源语音理解模型，结合Whisper编码器与Qwen2 LLM，支持语音识别、情感分析、说话者性别分类等多种任务。采用“ASR+X”多任务训练策略，提升模型泛化能力和稳定性。基于约5万小时语音数据训练，性能优异，适用于智能客服、教育、心理健康监测等多个领域。

AI项目与工具 2025年06月12日 46 点赞 0 评论 900 浏览

Chat Nio

Chat Nio 是一款集成了丰富 AI 功能的一站式服务管理平台，支持文本、图像、音频和视频处理，兼容 OpenAI、Anthropic Claude 等多种 AI 模型。其主要功能包括文件解析、对话记忆、云端同步、多端适配等，同时提供开源版本以满足开发者的个性化需求。适用于个人用户、开发者及企业，支持多种应用场景，如客户服务、内容创作、数据分析和教育领域。

AI项目与工具 2025年06月12日 42 点赞 0 评论 901 浏览

CogView4

CogView4是一款由智谱推出的开源文生图模型，具有60亿参数，支持中英文输入与高分辨率图像生成。在DPG-Bench基准测试中表现优异，达到当前开源模型的领先水平。模型具备强大的语义理解能力，尤其在中文文字生成方面表现突出，适用于广告设计、教育、儿童绘本及电商等领域。其技术架构融合扩散模型与Transformer，并采用显存优化技术提升推理效率。

AI项目与工具 2025年06月12日 83 点赞 0 评论 901 浏览

Multiverse

Multiverse是由Enigma Labs开发的全球首个基于AI生成的多人游戏模型，支持实时交互与动态世界生成，确保玩家视角一致。其核心技术包括联合动作向量和双视角通道堆叠，有效解决多人游戏中的同步难题。模型训练成本低，可在普通PC上运行，且项目全面开源，适用于多人游戏开发、VR/AR、AI训练、教育等多个领域。

AI项目与工具 2025年06月11日 56 点赞 0 评论 902 浏览

Stagehand

Stagehand 是一款基于自然语言处理的 AI 工具，专注于网页自动化操作。其核心功能包括自然语言驱动的 `act`、`extract` 和 `observe` API，支持原子化指令执行和多模型适配。Stagehand 可实现网页测试、数据抓取、表单操作及内容监控等多样化任务，广泛应用于网页测试、数据分析、办公自动化等领域。

AI项目与工具 2025年06月12日 51 点赞 0 评论 904 浏览

BlenderMCP

BlenderMCP 是一款将 Blender 与 Claude AI 集成的工具，通过 socket 服务器实现双向通信，支持 3D 对象操作、材质控制、场景信息获取及 Python 代码执行。用户可通过自然语言指令高效完成建模任务，提升创作效率。工具由插件和服务器组成，采用 JSON 协议进行数据交互，适用于快速建模、场景优化及教育辅助等场景。

AI项目与工具 2025年06月11日 65 点赞 0 评论 904 浏览