开源 - 智狐AI导航

Parakeet TDT 0.6B

Parakeet TDT 0.6B 是一款由英伟达开发的开源自动语音识别（ASR）模型，采用 FastConformer 和 TDT 架构，具备高速转录、高精度识别、歌词转录、文本格式化等功能。模型在 Hugging Face Open ASR Leaderboard 中表现优异，实时因子高达 3386，适用于会议记录、法律医疗、字幕生成及音乐索引等多种场景。

AI项目与工具 2025年06月11日 36 点赞 0 评论 285 浏览

Clapper

Clapper是一款基于AI的开源视频编辑工具，旨在通过交互式、迭代和直观的过程简化视频创作流程。其主要功能包括将剧本内容转化为视觉元素、集成多种AI技术、提供导演模式以及支持无限画布和传统界面两种编辑模式。Clapper不仅适用于个人创作，还广泛应用于教育、商业宣传、社交媒体和电影电视制作等领域。

AI项目与工具 2025年06月12日 99 点赞 0 评论 284 浏览

PySpur

PySpur 是一款开源的轻量级可视化 AI 工作流构建工具，支持拖拽式界面，帮助用户快速构建、测试和迭代 AI 应用，无需编写复杂代码。其功能包括循环与记忆、文件处理、结构化输出、RAG 技术、多模态数据支持及与多个平台的集成。适用于智能对话系统、自动化任务管理、多模态数据分析等场景，适合非技术人员和开发者使用。

AI项目与工具 2025年06月12日 28 点赞 0 评论 283 浏览

Llasa TTS

Llasa TTS是基于LLaMA架构的开源文本转语音模型，支持高质量语音合成、情感表达和音色克隆。采用单层VQ编解码器和Transformer结构，具备多语言支持及长文本处理能力，适用于智能助手、有声读物、游戏娱乐等场景。模型提供不同参数规模版本，支持零样本学习，提升语音自然度和表现力。

AI项目与工具 2025年06月12日 71 点赞 0 评论 283 浏览

Molmo 72B

Molmo 72B是一款由艾伦人工智能研究所推出的开源多模态AI模型，集成了图像和文本处理能力，适用于图像描述生成、视觉问答、文档解析及多模态交互等多种任务。凭借其强大的视觉编码能力和先进的模型架构，Molmo 72B在学术基准测试中表现优异，为开源AI技术的发展做出了重要贡献。

AI项目与工具 2025年06月12日 69 点赞 0 评论 283 浏览

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。

AI项目与工具 2025年06月12日 42 点赞 0 评论 283 浏览

ViLAMP

ViLAMP是由蚂蚁集团与中国人民大学联合开发的视觉语言模型，专为高效处理长视频设计。采用混合精度策略，支持在单张A100 GPU上处理长达3小时的视频，提升处理效率并降低计算成本。具备长视频理解、关键信息提取、多任务处理等功能，适用于教育、监控、直播、影视制作及智能客服等场景。技术上通过差分关键帧选择与特征合并优化性能，实现精准且高效的视频分析。

AI项目与工具 2025年06月11日 37 点赞 0 评论 282 浏览