开源

OOMOL

OOMOL(悟墨)是一款基于 VSCode 的现代化 IDE,专为工作流自动化设计。通过拖拽式界面,用户可快速构建复杂流程,无需编程基础。内置 Python 和 Node.js 环境,结合容器化技术实现跨平台一致性和数据安全。原生支持 AI 功能,涵盖数据科学、多媒体处理和模型开发等场景,适合开发者高效构建和共享工作流。

Trace.moe

一个开源动漫场景搜索引擎,根据图像反向搜索动漫场景,帮助用户通过截图追溯原始动漫,完全免费无广告。

Excalidraw

Excalidraw是一款开源在线白板工具,具有简洁的手绘风格和实时协作能力。它支持多种绘图工具、导出格式和离线操作,适用于远程协作、头脑风暴、产品设计和技术绘图等领域。凭借其强大的功能和灵活的操作方式,Excalidraw成为团队和个人用户的理想选择。

OmAgent

OmAgent是由Om AI与浙江大学滨江研究院联合开发的多模态语言代理框架,支持文本、图像、视频等多种输入形式,简化设备端智能代理的开发流程。它具备高效模型集成、灵活算法接口和复杂任务处理能力,适用于视频监控、内容推荐、教育辅助等场景,提升设备智能化水平和用户体验。

AndroidLab

AndroidLab 是一款面向 Android 自主代理的训练与评估框架,集成了文本和图像模态操作环境,提供标准化的基准测试任务。它通过支持多种模型类型(LLMs 和 LMMs),覆盖九个应用场景的 138 项任务,有效提升了开源模型的性能。此外,AndroidLab 提供了丰富的评估指标和操作模式,助力研究者优化模型表现并推动开源解决方案的发展。

We0

We0是一款开源AI代码编辑器,支持在浏览器中运行和调试代码,具备高保真设计还原功能,能将设计稿还原度提升至90%。兼容Vue、React、Next.js、Python、Java等主流开发框架,支持历史项目导入与微信小程序开发,适用于快速构建和部署AI应用。提供多平台支持,适合开发人员和产品经理高效协作。

Whisper

Whisper是一个开源的自动语音识别系统,经过68万小时的多语言和多任务监督数据训练

MoshiVis

MoshiVis是一款由Kyutai开发的开源多模态语音模型,支持图像与语音的自然交互。它基于Moshi 7B架构,集成了视觉编码器和跨注意力机制,实现低延迟、自然流畅的对话体验。支持多种后端部署,适用于无障碍应用、智能家居、教育及工业场景,提升人机交互的智能化水平。

Anus

Anus是一个开源自主智能体项目,支持自然语言指令执行、多代理协作、网络交互、文档处理、代码执行及多模态输入处理。其采用混合架构设计,兼容多种模型和部署方式,提供丰富的工具生态系统,适用于教育、原型开发、任务自动化等多个场景,为开发者和研究人员提供高效、灵活的AI开发平台。

VideoDrafter

一个高质量视频生成的开放式扩散模型,相比之前的生成视频模型,VideoDrafter最大的特点是能在主体不变的基础上,一次性生成多个场景的视频。