开源

ChatTTS

ChatTTS是一个开源的专为对话场景设计的语音生成模型,特别适用于大语言模型(LLM)助手的对话任务,以及诸如对话式音频和视频介绍等应用。ChatTTS 不仅能说中文,英文也能 hold 住...

Maya

Maya是一款开源多语言多模态模型,基于LLaVA框架开发,支持中文、法语、西班牙语等多种语言,专注于提升低资源语言的AI内容生成能力。它结合图像和文本数据,实现跨模态对齐和指令微调,广泛应用于跨语言内容理解、图像分析、教育和电子商务等领域。

Morphik

Morphik是一款开源的多模态检索增强生成(RAG)工具,专为处理高技术性和视觉内容丰富的文档设计。支持图像、PDF、视频等多种格式的文档搜索,采用ColPali技术理解文档中的视觉内容,具备快速元数据提取功能,可提取边界框、标签、分类等信息。其主要功能包括多模态数据处理、智能解析文件、知识图谱构建、自然语言规则引擎和数据管理与集成,适用于技术文档处理、企业知识管理和智能应用开发等场景。

GPTEngineer

GPTEngineer 是一款基于AI技术的开源工具,通过简单的文本提示快速生成网页应用原型。它支持自然语言交互,能够根据用户描述自动生成代码,并具备代码改进、错误检测与修正等功能。此外,GPTEngineer 还支持与 GitHub 同步和一键部署。该工具兼容多种AI模型,适用于快速原型开发、Web应用开发、自动化测试、代码重构及教育等多个领域。

Roop

Roop是一款开源的AI视频换脸工具,支持用户通过一张图片替换视频中的面部,无需复杂的数据集或训练过程。它具有多种功能,包括一键换脸、多参数配置、面部对齐和性能加速。Roop利用生成对抗网络(GANs)生成逼真的面部图像,并能自动检测和对齐视频中的面部。其应用场景广泛,包括娱乐、社交媒体、电影制作、教育和艺术创作等领域。

麦吉

麦吉(Magic)是一款开源的一站式AI生产力平台,支持企业快速构建和部署AI应用。平台采用Apache-2.0协议,具备高度灵活性和可扩展性。用户无需编程基础,即可通过可视化界面创建AI助手,支持拖拽式工作流设计、多交互方式及长期记忆功能。适用于企业内部沟通、业务流程自动化、创意创作等场景,支持跨平台部署与API/SDK发布,提升工作效率与协作能力。

OpenCoder

OpenCoder是一个开源代码大型语言模型(LLM),具备代码生成、审查、补全、错误调试等功能,支持多种编程语言,通过预训练、指令微调及优化策略提升性能,推动代码AI研究的透明化与可重复性,广泛应用于开发效率提升、代码质量保障及编程教育等领域。

Skyvern

Skyvern是一款基于开源的浏览器自动化工具,集成了大型语言模型和计算机视觉技术,用于实现网页内容解析、交互计划生成及执行。其主要功能涵盖CAPTCHA解决、双因素认证支持、代理网络配置、可解释AI操作以及数据提取等,适用于网站数据抓取、表单填写、网页测试等多种应用场景。

ANTO

ANTO是一款开源的Windows桌面字幕翻译工具,专注于SRT格式字幕文件的翻译。它集成了多种翻译引擎,支持批量处理和预览功能,帮助用户高效翻译字幕文件。凭借开源特性和社区支持,ANTO不断优化并扩展功能,适用于视频搬运、字幕制作、外语学习等多个场景。

WordToCard

一个能将Word文档内容智能转化为精美知识卡片的图文制作开源免费工具,能将 Word 文档自动转换为结构清晰、美观大方的图文卡片。