一个 AI 驱动的会议助手，可捕获实时会议音频、实时转录并生成摘要，同时确保用户隐私。
FoloUp 是一个开源平台，供公司对候选人进行 AI 驱动的招聘面试。
CHRONOS是一种新颖的基于检索的时间线摘要 （TLS） 方法，通过迭代提出有关主题和检索到的文档的问题来生成按时间顺序排列的摘要。
将 Powerpoint pptx 文件转换为 markdown 的工具。
帮助开发者用 Python 快速搭建和运行基于 LangGraph 框架的 AI 代理服务。它结合 FastAPI、Streamlit 和 Pydantic 等技术栈，提供了用户界面、自定义 Agent、流式传输等功能，并集成了内容审核（LlamaGuard）和用户反馈机制（LangSmith），极大地简化了 AI Agent 应用的开发和优化过程。
功能强大、用户友好的自托管 AI 平台，支持完全离线运行。它集成了多种大型语言模型运行器，如 Ollama 和 OpenAI 兼容的 API，支持网页搜索、本地 RAG 集成、权限管理、适配移动端、Markdown 和 LaTeX 等功能。
终端中的个人 AI 助手，带有工具，因此它可以：使用终端、运行代码、编辑文件、浏览 Web、使用视觉等等; 通过简单但功能强大的 CLI 协助各种知识工作，尤其是编程。
通过输入静态肖像照片，LivePortrait 能够实时生成动态的肖像动画，使静态图像“活”起来。用户可以通过摄像头或手动输入来控制生成动画中的面部表情，如微笑、眨眼、皱眉等。
使用 Agentic Retrieval-Augmented Generation （RAG） 工作流程从与特定公司和更广泛的股票市场相关的新闻和财务数据中提取见解。它利用大型语言模型 （LLM）、ChromaDB 作为向量数据库、LangChain、LangChain 表达式语言 （LCEL） 和 LangGraph 来提供全面的分析。
演示了使用 **ESP32**（一种低成本、支持 AI 的设备）进行边缘计算，以数字化您的模拟电表，无论是水表、燃气表还是电表。通过经济实惠的硬件和简单的说明，您可以将任何标准仪表变成智能设备。
一个微型语言模型的实现，更是一份入门 LLM 的教程，旨在降低学习和上手 LLM 的门槛 。它提供了从数据预处理到模型训练、微调和推理的全流程代码和教程。最小模型仅 0.02B 参数，可在普通 GPU 上轻松运行。
一个轻量级的 C++ 工具包，包含 100+ 个很棒的 AI 模型，例如对象检测、人脸检测、人脸识别、分割、遮罩等。请参阅 Model Zoo 和 ONNX Hub、MNN Hub、TNN Hub、NCNN Hub。
帮助开发者用 Python 快速搭建和运行基于 LangGraph 框架的 AI 代理服务。它结合 FastAPI、Streamlit 和 Pydantic 等技术栈，提供了用户界面、自定义 Agent、流式传输等功能，并集成了内容审核（LlamaGuard）和用户反馈机制（LangSmith），极大地简化了 AI Agent 应用的开发和优化过程。
演示了使用 **ESP32**（一种低成本、支持 AI 的设备）进行边缘计算，以数字化您的模拟电表，无论是水表、燃气表还是电表。通过经济实惠的硬件和简单的说明，您可以将任何标准仪表变成智能设备。
`aisuite`使开发人员能够通过标准化接口轻松使用多个 LLM。使用类似于 OpenAI 的界面，可以轻松地与最流行的 LLM 进行交互并比较结果。它是 python 客户端库的精简包装器，允许创建者无缝交换和测试来自不同 LLM 提供程序的响应，而无需更改其代码。如今，该库主要专注于聊天完成。我们将在不久的将来将其扩展到更多使用案例。
AnyText提供了文字生成和文字编辑两种模式，它能够根据提示词生成图文融合的图片，并确保文字的准确性，还支持对上传图片中的文字进行编辑后，重新生成图片。支持中文、英语、日语、韩语等多语言，适用于海报设计、Logo 设计、创意涂鸦、表情包等场景。
一个全栈应用程序，使您能够将任何文档、资源或内容转换为任何 LLM 都可以在聊天期间用作参考的上下文。此应用程序允许您选择要使用的 LLM 或矢量数据库，并支持多用户管理和权限。
AstrBot 是一个松耦合、异步、支持多消息平台部署、具有易用的插件系统和完善的大语言模型（LLM）接入功能的聊天机器人及开发框架。
Auralis 是一种文本转语音引擎，使语音生成在现实世界中变得实用：在 10 分钟内将整本《哈利·波特》第一本书转换为语音。
AutoGen 是一个框架，可以使用多个代理进行对话，解决任务，从而实现 LLM 应用的开发。AutoGen 代理是可定制、可对话的，并且可以无缝地允许人类参与。它们可以在使用 LLM、人类输入和工具的各种模式下运行。
一个能让 AI 像真实用户一样自然操作浏览器的 Python 工具库，通过简单的代码配置就能实现网页自动化任务，如订票、求职申请、数据收集等实际应用场景。
Buzz 是一款基于 OpenAI Whisper 的开源、可离线的实时语音转文字工具，支持 Windows、macOS、Linux，它可以将麦克风的语音实时转换为文字，也支持将视频、音频文件转换为文字、字幕。
AI 驱动的数据库工具和 SQL 客户端，最热门的 GUI 客户端，支持 MySQL、Oracle、PostgreSQL、DB2、SQL Server、DB2、SQLite、H2、ClickHouse 等。
chatgpt-on-wechat（简称CoW）项目是基于大模型的智能对话机器人，支持微信公众号、企业微信应用、飞书、钉钉接入。
一个 AI 驱动的会议助手，可捕获实时会议音频、实时转录并生成摘要，同时确保用户隐私。
CHRONOS是一种新颖的基于检索的时间线摘要 （TLS） 方法，通过迭代提出有关主题和检索到的文档的问题来生成按时间顺序排列的摘要。
FoloUp 是一个开源平台，供公司对候选人进行 AI 驱动的招聘面试。
将 Powerpoint pptx 文件转换为 markdown 的工具。
功能强大、用户友好的自托管 AI 平台，支持完全离线运行。它集成了多种大型语言模型运行器，如 Ollama 和 OpenAI 兼容的 API，支持网页搜索、本地 RAG 集成、权限管理、适配移动端、Markdown 和 LaTeX 等功能。
`aisuite`使开发人员能够通过标准化接口轻松使用多个 LLM。使用类似于 OpenAI 的界面，可以轻松地与最流行的 LLM 进行交互并比较结果。它是 python 客户端库的精简包装器，允许创建者无缝交换和测试来自不同 LLM 提供程序的响应，而无需更改其代码。如今，该库主要专注于聊天完成。我们将在不久的将来将其扩展到更多使用案例。
为Windows和macOS设计的桌面客户端，它提供了一键安装的便利性，并拥有全新的用户界面。用户可以通过加入等待名单来获得早期访问权限。这款软件的主要优点在于它的易用性和现代化的界面设计，旨在提高用户的工作效率。
够利用日常家用设备（如手机、笔记本电脑、台式机等）来搭建家庭 AI 集群。它通过整合现有的设备，无需昂贵硬件，即可构建一个低成本、可扩展的 GPU 计算集群，支持动态模型分区、自动发现设备、ChatGPT API、P2P 连接和多种推理引擎。
将各种 AI 大模型和服务的接口，统一转换成 OpenAI 的格式，简化了在不同 AI 服务/大模型切换和管理的工作。此外，它还支持设置预算、限制请求频率、管理 API Key 和配置 OpenAI 代理服务器等功能。
帮助开发者用 Python 快速搭建和运行基于 LangGraph 框架的 AI 代理服务。它结合 FastAPI、Streamlit 和 Pydantic 等技术栈，提供了用户界面、自定义 Agent、流式传输等功能，并集成了内容审核（LlamaGuard）和用户反馈机制（LangSmith），极大地简化了 AI Agent 应用的开发和优化过程。
终端中的个人 AI 助手，带有工具，因此它可以：使用终端、运行代码、编辑文件、浏览 Web、使用视觉等等; 通过简单但功能强大的 CLI 协助各种知识工作，尤其是编程。
通过输入静态肖像照片，LivePortrait 能够实时生成动态的肖像动画，使静态图像“活”起来。用户可以通过摄像头或手动输入来控制生成动画中的面部表情，如微笑、眨眼、皱眉等。
# Ai应用
所有该分类开源>>
Bing Image Creator是微软推出的一款基于深度学习的图片生成工具，能够根据用户的文字描述自动生成高质量的真实图画。
Colorize.cc是一款使用深度学习技术为黑白照片和视频上色的人工智能服务。通过几个简单的步骤，您可以在几分钟内给数百张家庭照片上色。
ElevenLabs.io是一个基于人工智能技术的文字转语音配音合成平台。它通过先进的深度学习技术，能够生成高保真、高清晰度、高自然度的语音，为用户提供创新的AI语音合成体验。
Github Copilot是一款由GitHub、OpenAI和Microsoft联合开发的AI辅助开发工具，旨在通过提供代码补全、错误修正、优化建议等功能，帮助开发者更高效地编写代码。
GPTZero是由普林斯顿大学的华人学生Edward Tian开发的一款人工智能模型，它基于深度学习算法和统计特征，能够有效地区分人类书写的文本和由机器（如ChatGPT、GPT-4等）生成的文本。
HitPaw Edimakor是一款在Mac平台上备受好评的视频编辑软件，它以其简洁而高效的操作界面，将复杂的视频编辑技巧化为易于上手的操作，深受初学者和非专业用户的喜爱。
# C++
所有该分类开源>>
演示了使用 **ESP32**（一种低成本、支持 AI 的设备）进行边缘计算，以数字化您的模拟电表，无论是水表、燃气表还是电表。通过经济实惠的硬件和简单的说明，您可以将任何标准仪表变成智能设备。
一个轻量级的 C++ 工具包，包含 100+ 个很棒的 AI 模型，例如对象检测、人脸检测、人脸识别、分割、遮罩等。请参阅 Model Zoo 和 ONNX Hub、MNN Hub、TNN Hub、NCNN Hub。
xiaozhi-esp32是一款基于 ESP-IDF 开发框架的开源硬件项目，旨在利用低成本硬件打造个人专属的 AI 聊天机器人。它通过 WebSocket 或 UDP 协议与 LLM、TTS API 服务连接，实现实时语音交互功能，无需在设备上运行 LLM，支持中文在内的多国语言、语音识别用户身份、自定义提示词和音色等功能，兼容多款 ESP32 开发板。
在 C 语言中实现了一个最小的神经网络，用于对 MNIST 数据集中的手写数字进行分类。整个实现是 ~200 行代码，并且只使用标准 C 库。
# Golang
所有该分类开源>>
GeekAI 基于 AI 大语言模型 API 实现的 AI 助手全套开源解决方案，自带运营管理后台，开箱即用。集成了 OpenAI, Azure, ChatGLM,讯飞星火，文心一言等多个平台的大语言模型。集成了 MidJourney 和 Stable Diffusion AI绘画功能。
用 Go 语言写的工具，用于在本地一条命令安装、启动和管理大型语言模型，支持 Llama 3、Gemma、Mistral 等大模型，适用于 Windows、macOS、Linux 操作系统。
# Java
所有该分类开源>>
AI 驱动的数据库工具和 SQL 客户端，最热门的 GUI 客户端，支持 MySQL、Oracle、PostgreSQL、DB2、SQL Server、DB2、SQLite、H2、ClickHouse 等。
midjourney-proxy为使用 MidJourney Discord 频道的用户提供了一个代理，使他们可以通过 API 调用 AI 绘图功能。这样的代理能够简化用户与 AI 绘图功能的交互，使得调用过程更加便捷。
# Javascript
所有该分类开源>>
FoloUp 是一个开源平台，供公司对候选人进行 AI 驱动的招聘面试。
功能强大、用户友好的自托管 AI 平台，支持完全离线运行。它集成了多种大型语言模型运行器，如 Ollama 和 OpenAI 兼容的 API，支持网页搜索、本地 RAG 集成、权限管理、适配移动端、Markdown 和 LaTeX 等功能。
用于构建 AI 驱动的视频应用程序的强大入门套件。该工具包使用 Next.js、Remotion 和 fal.ai 构建，简化了在浏览器中使用 AI 视频模型的复杂性。
Trend Finder 收集并分析来自关键影响者的帖子，然后在检测到新趋势或产品发布时发送 Slack 通知。
一个全栈应用程序，使您能够将任何文档、资源或内容转换为任何 LLM 都可以在聊天期间用作参考的上下文。此应用程序允许您选择要使用的 LLM 或矢量数据库，并支持多用户管理和权限。
Hoarder是一款开源的“全能书签管理器”，它不仅接收你的一切输入，更以智能的方式自动整理，即刻捕获链接、笔记与图片等内容，Hoarder可以作为数据囤积者的得力助手，也是一款稍后阅读的好工具。令人意外的是Hoarder还提供了免费的移动端App，现已支持Android和iOS平台。
Perplexica 是一个开源的 AI 驱动的搜索工具或 AI 驱动的搜索引擎，可以深入互联网寻找答案。受 Perplexity AI 的启发，它是一个开源选项，不仅可以搜索网络，还可以理解您的问题。它使用先进的机器学习算法（如相似性搜索和嵌入）来优化结果，并通过引用的来源提供明确的答案。
# Jupyter
所有该分类开源>>
Moondream开源项目是一个拥有 16 亿参数的视觉AI模型，它采用了 SigLIP、Phi-1.5 技术和 LLaVa 训练数据集，能够在任何平台运行。它致力于通过深度学习和计算机视觉技术实现“看图说话”的神奇功能。
# Python
所有该分类开源>>
一个 AI 驱动的会议助手，可捕获实时会议音频、实时转录并生成摘要，同时确保用户隐私。
CHRONOS是一种新颖的基于检索的时间线摘要 （TLS） 方法，通过迭代提出有关主题和检索到的文档的问题来生成按时间顺序排列的摘要。
将 Powerpoint pptx 文件转换为 markdown 的工具。
功能强大、用户友好的自托管 AI 平台，支持完全离线运行。它集成了多种大型语言模型运行器，如 Ollama 和 OpenAI 兼容的 API，支持网页搜索、本地 RAG 集成、权限管理、适配移动端、Markdown 和 LaTeX 等功能。
`aisuite`使开发人员能够通过标准化接口轻松使用多个 LLM。使用类似于 OpenAI 的界面，可以轻松地与最流行的 LLM 进行交互并比较结果。它是 python 客户端库的精简包装器，允许创建者无缝交换和测试来自不同 LLM 提供程序的响应，而无需更改其代码。如今，该库主要专注于聊天完成。我们将在不久的将来将其扩展到更多使用案例。
为Windows和macOS设计的桌面客户端，它提供了一键安装的便利性，并拥有全新的用户界面。用户可以通过加入等待名单来获得早期访问权限。这款软件的主要优点在于它的易用性和现代化的界面设计，旨在提高用户的工作效率。
够利用日常家用设备（如手机、笔记本电脑、台式机等）来搭建家庭 AI 集群。它通过整合现有的设备，无需昂贵硬件，即可构建一个低成本、可扩展的 GPU 计算集群，支持动态模型分区、自动发现设备、ChatGPT API、P2P 连接和多种推理引擎。
将各种 AI 大模型和服务的接口，统一转换成 OpenAI 的格式，简化了在不同 AI 服务/大模型切换和管理的工作。此外，它还支持设置预算、限制请求频率、管理 API Key 和配置 OpenAI 代理服务器等功能。
帮助开发者用 Python 快速搭建和运行基于 LangGraph 框架的 AI 代理服务。它结合 FastAPI、Streamlit 和 Pydantic 等技术栈，提供了用户界面、自定义 Agent、流式传输等功能，并集成了内容审核（LlamaGuard）和用户反馈机制（LangSmith），极大地简化了 AI Agent 应用的开发和优化过程。
终端中的个人 AI 助手，带有工具，因此它可以：使用终端、运行代码、编辑文件、浏览 Web、使用视觉等等; 通过简单但功能强大的 CLI 协助各种知识工作，尤其是编程。
通过输入静态肖像照片，LivePortrait 能够实时生成动态的肖像动画，使静态图像“活”起来。用户可以通过摄像头或手动输入来控制生成动画中的面部表情，如微笑、眨眼、皱眉等。
使用 Agentic Retrieval-Augmented Generation （RAG） 工作流程从与特定公司和更广泛的股票市场相关的新闻和财务数据中提取见解。它利用大型语言模型 （LLM）、ChromaDB 作为向量数据库、LangChain、LangChain 表达式语言 （LCEL） 和 LangGraph 来提供全面的分析。
# Rust
所有该分类开源>>
ScreenPipe是一款开箱即用、可离线的桌面 AI 应用。它可以录制屏幕内容、捕获截图和音频，并将数据存储至本地数据库，结合 LLMs 的能力，实现自动记录、上下文感知的 AI 助手，支持中文 OCR、集成 Ollama 和 Llama 等功能。
Tabby 是一个开源的自托管 AI 编码助手。使用 Tabby，每个团队都可以轻松设置自己的 LLM 驱动的代码完成服务器。独立式，无需 DBMS 或云服务。OpenAPI 接口，易于与现有基础设施（例如 Cloud IDE）集成。支持消费级 GPU。
# Typescript
所有该分类开源>>
一款通过 AI 算法提高图像分辨率（超级分辨率，简称超分）的桌面工具，它免费、开源、无需联网、开箱即用，因为内置了模型，所以安装包大约 200+MB，运行要求兼容 Vulkan 的显卡，适用于 Windows、Linux 和 macOS 系统。
FarFalle 是一款开源的AI搜索引擎项目，类似Perplexity AI。 可使用本地或云 LLM 自托管。
这是一个支持在本地运行开源 LLMs 和连接 ChatGPT 服务的 AI 对话桌面应用，它开箱即用、界面清爽、不挑硬件，支持设置代理、接入 ChatGPT、一键下载/接入适配当前电脑配置的大模型、离线运行等功能，适用于 Windows、Linux、macOS 操作系统。
可以将屏幕截图转化为 HTML/JS/Tailwind CSS 代码，它使用 GPT-4 Vision 生成代码、DALL-E 3 生成相似的图片。
# 内容检测
所有该分类开源>>
GPTZero是由普林斯顿大学的华人学生Edward Tian开发的一款人工智能模型，它基于深度学习算法和统计特征，能够有效地区分人类书写的文本和由机器（如ChatGPT、GPT-4等）生成的文本。
# 图像处理
所有该分类开源>>
为Windows和macOS设计的桌面客户端，它提供了一键安装的便利性，并拥有全新的用户界面。用户可以通过加入等待名单来获得早期访问权限。这款软件的主要优点在于它的易用性和现代化的界面设计，旨在提高用户的工作效率。
一款通过 AI 算法提高图像分辨率（超级分辨率，简称超分）的桌面工具，它免费、开源、无需联网、开箱即用，因为内置了模型，所以安装包大约 200+MB，运行要求兼容 Vulkan 的显卡，适用于 Windows、Linux 和 macOS 系统。
全新一代AI换脸工具，无需安装，一键运行，可以完成去遮挡，高清化，卡通脸一键替换，并且Nvidia/AMD等显卡全平台支持。FaceFusion 新版新增了很多模型和高清算法，大大提高了图片和视频的换脸效果，同时还增加了三种遮罩功能，解决了脸部有污涤遮挡时融合效果差和跳闪的问题。
FLUX.1是由Stable Diffusion创始团队推出的开源AI图像生成模型，拥有12B参数，是迄今为止最大的文生图模型。包含三种变体：顶级性能的FLUX.1 [pro]、开源非商业用途的FLUX.1 [dev] 和 快速高效的FLUX.1[schnell]。FLUX.1以卓越的图像质量、高度逼真的人体解剖学表现和先进的提示词遵循能力脱颖而出，为AI图像生成设定了新的行业标准。
这是一款简单易用的 AI 证件照制作工具，能够生成标准证件照和六寸排版照。它提供了简洁的 Web 界面和 API 服务，即使在没有 GPU 的电脑上也能够运行，支持抠图、尺寸调整和自定义底色等功能。
Bing Image Creator是微软推出的一款基于深度学习的图片生成工具，能够根据用户的文字描述自动生成高质量的真实图画。
Colorize.cc是一款使用深度学习技术为黑白照片和视频上色的人工智能服务。通过几个简单的步骤，您可以在几分钟内给数百张家庭照片上色。
Leonardo.ai 是一个领先的AI绘画和图像生成工具和平台，致力于通过先进的人工智能技术，为广大用户打造一个免费、创新、互动的视觉艺术社区。
Midjourney是一款由独立研究实验室和产品工作室开发的AI绘画工具，它能够通过用户输入的文本描述生成高质量的图像。
Remini利用先进的AI技术，为用户的照片和视频提供高质量的增强服务。它不仅能够修复老照片，提高肖像的清晰度，还能通过AI生成新的照片，满足不同行业的专业内容创建需求。产品以其快速、易用和惊人的效果受到全球数百万用户的喜爱。
# 文档处理
所有该分类开源>>
将 Powerpoint pptx 文件转换为 markdown 的工具。
zerox基于视觉模型 API 服务，提供了将 PDF 文档转化为 Markdown 的功能。其原理是先将原文件（如 pdf、docx）转换为图片，然后把图片发给视觉模型处理，最后汇总所有结果生成完整的 Markdown 文件。
该项目利用生成式 AI 的能力，成为你的第二大脑。你可以将多种格式的文本、数据、语言和视频上传给它，之后再和它对话时，它会学习你上传的内容后回答你的问题，支持接入多种 LLMs 和 Docker 一键部署，但目前对中文支持不是很好。
由 IBM 开源的 Python 工具，专门用于将各类文档转化为适合生成式 AI 使用的工具。它能够将 PDF、DOCX、PPTX、图片、HTML、Markdown 等多种流行文档格式，导出为 Markdown 和 JSON 格式，支持多种 OCR 引擎（PDF）、统一的文档对象（DoclingDocument），轻松集成检索增强生成（RAG）和问答应用，适用于需要将文档作为生成式 AI 模型输入的场景。
# 智能助手
所有该分类开源>>
终端中的个人 AI 助手，带有工具，因此它可以：使用终端、运行代码、编辑文件、浏览 Web、使用视觉等等; 通过简单但功能强大的 CLI 协助各种知识工作，尤其是编程。
AstrBot 是一个松耦合、异步、支持多消息平台部署、具有易用的插件系统和完善的大语言模型（LLM）接入功能的聊天机器人及开发框架。
xiaozhi-esp32是一款基于 ESP-IDF 开发框架的开源硬件项目，旨在利用低成本硬件打造个人专属的 AI 聊天机器人。它通过 WebSocket 或 UDP 协议与 LLM、TTS API 服务连接，实现实时语音交互功能，无需在设备上运行 LLM，支持中文在内的多国语言、语音识别用户身份、自定义提示词和音色等功能，兼容多款 ESP32 开发板。
chatgpt-on-wechat（简称CoW）项目是基于大模型的智能对话机器人，支持微信公众号、企业微信应用、飞书、钉钉接入。
GeekAI 基于 AI 大语言模型 API 实现的 AI 助手全套开源解决方案，自带运营管理后台，开箱即用。集成了 OpenAI, Azure, ChatGLM,讯飞星火，文心一言等多个平台的大语言模型。集成了 MidJourney 和 Stable Diffusion AI绘画功能。
# 智能搜索
所有该分类开源>>
一种由大型语言模型提供支持的高级 PaperSearch 代理。PaSa 可以自主做出一系列决策，包括调用搜索工具、阅读论文和选择相关参考文献，最终为复杂的学术查询获得全面准确的结果。
FarFalle 是一款开源的AI搜索引擎项目，类似Perplexity AI。 可使用本地或云 LLM 自托管。
Perplexica 是一个开源的 AI 驱动的搜索工具或 AI 驱动的搜索引擎，可以深入互联网寻找答案。受 Perplexity AI 的启发，它是一个开源选项，不仅可以搜索网络，还可以理解您的问题。它使用先进的机器学习算法（如相似性搜索和嵌入）来优化结果，并通过引用的来源提供明确的答案。
Phidata 是一个用于构建多模态代理的框架，使用 phidata 可以：使用内存、知识、工具和推理构建多模式代理。建立可以协同工作解决问题的代理团队。使用漂亮的 Agent UI 与您的代理聊天。
# 模型工具
所有该分类开源>>
功能强大、用户友好的自托管 AI 平台，支持完全离线运行。它集成了多种大型语言模型运行器，如 Ollama 和 OpenAI 兼容的 API，支持网页搜索、本地 RAG 集成、权限管理、适配移动端、Markdown 和 LaTeX 等功能。
`aisuite`使开发人员能够通过标准化接口轻松使用多个 LLM。使用类似于 OpenAI 的界面，可以轻松地与最流行的 LLM 进行交互并比较结果。它是 python 客户端库的精简包装器，允许创建者无缝交换和测试来自不同 LLM 提供程序的响应，而无需更改其代码。如今，该库主要专注于聊天完成。我们将在不久的将来将其扩展到更多使用案例。
够利用日常家用设备（如手机、笔记本电脑、台式机等）来搭建家庭 AI 集群。它通过整合现有的设备，无需昂贵硬件，即可构建一个低成本、可扩展的 GPU 计算集群，支持动态模型分区、自动发现设备、ChatGPT API、P2P 连接和多种推理引擎。
将各种 AI 大模型和服务的接口，统一转换成 OpenAI 的格式，简化了在不同 AI 服务/大模型切换和管理的工作。此外，它还支持设置预算、限制请求频率、管理 API Key 和配置 OpenAI 代理服务器等功能。
帮助开发者用 Python 快速搭建和运行基于 LangGraph 框架的 AI 代理服务。它结合 FastAPI、Streamlit 和 Pydantic 等技术栈，提供了用户界面、自定义 Agent、流式传输等功能，并集成了内容审核（LlamaGuard）和用户反馈机制（LangSmith），极大地简化了 AI Agent 应用的开发和优化过程。
演示了使用 **ESP32**（一种低成本、支持 AI 的设备）进行边缘计算，以数字化您的模拟电表，无论是水表、燃气表还是电表。通过经济实惠的硬件和简单的说明，您可以将任何标准仪表变成智能设备。
一个微型语言模型的实现，更是一份入门 LLM 的教程，旨在降低学习和上手 LLM 的门槛 。它提供了从数据预处理到模型训练、微调和推理的全流程代码和教程。最小模型仅 0.02B 参数，可在普通 GPU 上轻松运行。
一个轻量级的 C++ 工具包，包含 100+ 个很棒的 AI 模型，例如对象检测、人脸检测、人脸识别、分割、遮罩等。请参阅 Model Zoo 和 ONNX Hub、MNN Hub、TNN Hub、NCNN Hub。
Genesis 是一个专为通用*机器人/具身 AI/物理 AI* 应用程序设计的物理平台。
该项目是用于构建具有记忆功能的 LLM 应用的 Python 框架，支持创建拥有长期记忆和持久状态的智能体（Agent），并能够集成多种 LLM API 服务。
这是一个高效易用的大型语言模型推理引擎，专为解决推理速度慢、资源利用率低等问题而设计。它基于 PyTorch 和 CUDA，并结合内存优化算法（PagedAttention）、计算图优化和模型并行技术，大幅降低 GPU 内存占用，并充分利用多 GPU 资源提升推理性能。
garak检查是否可以以我们不希望的方式使 LLM 失败。 探测幻觉、数据泄漏、及时注射、错误信息、毒性产生、越狱和许多其他弱点。如果您知道 or / Metasploit Framework，garak 的功能与它们有些相似，但适用于 LLM。
# 行业应用
所有该分类开源>>
一个 AI 驱动的会议助手，可捕获实时会议音频、实时转录并生成摘要，同时确保用户隐私。
CHRONOS是一种新颖的基于检索的时间线摘要 （TLS） 方法，通过迭代提出有关主题和检索到的文档的问题来生成按时间顺序排列的摘要。
FoloUp 是一个开源平台，供公司对候选人进行 AI 驱动的招聘面试。
使用 Agentic Retrieval-Augmented Generation （RAG） 工作流程从与特定公司和更广泛的股票市场相关的新闻和财务数据中提取见解。它利用大型语言模型 （LLM）、ChromaDB 作为向量数据库、LangChain、LangChain 表达式语言 （LCEL） 和 LangGraph 来提供全面的分析。
ElevenLabs.io是一个基于人工智能技术的文字转语音配音合成平台。它通过先进的深度学习技术，能够生成高保真、高清晰度、高自然度的语音，为用户提供创新的AI语音合成体验。
Kolors Virtual Try-On是由快手可图团队开发的一项先进的AI试衣技术。这项技术利用大规模文本到图像生成模型，为用户提供了逼真的虚拟试衣体验。
一个人工智能驱动的Logo生成器，用户可以在短时间内（不到24小时）为他们的企业创建独特的高清Logo。该平台使用先进的人工智能技术，能够根据用户的输入和需求生成多种创意方向的Logo设计，并允许用户通过Logo编辑器进行微调，以确保最终设计符合用户的愿景和品牌要求。
# 视频处理
所有该分类开源>>
通过输入静态肖像照片，LivePortrait 能够实时生成动态的肖像动画，使静态图像“活”起来。用户可以通过摄像头或手动输入来控制生成动画中的面部表情，如微笑、眨眼、皱眉等。
用于构建 AI 驱动的视频应用程序的强大入门套件。该工具包使用 Next.js、Remotion 和 fal.ai 构建，简化了在浏览器中使用 AI 视频模型的复杂性。
TRELLIS 是一个大型 3D 资产生成模型。它接收文本或图像提示，并生成各种格式的高质量 3D 资产，例如 Radiance Fields、3D Gaussians 和网格。
一键打造全新的自己！
Supervision库是一款出色的Python计算机视觉低代码工具，其设计初衷在于为用户提供一个便捷且高效的接口，用以处理数据集以及直观地展示检测结果。简化了对象检测、分类、标注、跟踪等计算机视觉的开发流程。开发者仅需加载数据集和模型，就能轻松实现对图像和视频进行检测、统计某区域的被检测数量等操作。
HitPaw Edimakor是一款在Mac平台上备受好评的视频编辑软件，它以其简洁而高效的操作界面，将复杂的视频编辑技巧化为易于上手的操作，深受初学者和非专业用户的喜爱。
Stable Video是一个基于AI的视频生成平台，能够将文本或图像快速转化为高质量的视频内容，广泛应用于企业宣传、教学培训等多个领域。
# 语言处理
所有该分类开源>>
Co-op Translator是一个 Python 包，旨在使用先进的大语言模型 ( LLM ) 技术和 Azure AI 服务自动为您的项目进行多语言翻译。该项目旨在简化将内容翻译成多种语言的过程，使开发人员可以轻松访问并提高效率。
这是一个基于 AI 的 PDF 文档翻译工具，专门用于翻译科学论文。它能够完整保留 PDF 文档的原始排版，确保译文与原文排版一致，实现双语对照翻译，支持 Google、DeepL、Ollama 和 OpenAI 等多种翻译服务。
spaCy 是 Python 中的高级自然语言处理库，并且 赛顿。它建立在最新的研究基础上，从第一天到 用于实际产品。
# 辅助编程
所有该分类开源>>
Github Copilot是一款由GitHub、OpenAI和Microsoft联合开发的AI辅助开发工具，旨在通过提供代码补全、错误修正、优化建议等功能，帮助开发者更高效地编写代码。
AI初创公司Replit推出的AI编程工具。告诉Replit Agent：“我要做一个贪吃蛇游戏”，剩下的交给Replit Agent。
豆包MarsCode是一款基于AI技术的智能化、便利化开发工具，旨在提升开发者的编码效率和体验，支持多种编程语言和主流IDE的集成。
AI 驱动的数据库工具和 SQL 客户端，最热门的 GUI 客户端，支持 MySQL、Oracle、PostgreSQL、DB2、SQL Server、DB2、SQLite、H2、ClickHouse 等。
可以将屏幕截图转化为 HTML/JS/Tailwind CSS 代码，它使用 GPT-4 Vision 生成代码、DALL-E 3 生成相似的图片。
Tabby 是一个开源的自托管 AI 编码助手。使用 Tabby，每个团队都可以轻松设置自己的 LLM 驱动的代码完成服务器。独立式，无需 DBMS 或云服务。OpenAPI 接口，易于与现有基础设施（例如 Cloud IDE）集成。支持消费级 GPU。
与你的 SQL 数据库聊天。该项目使用 LLM+RAG+数据库技术，让用户能够通过自然语言查询 SQL 数据库，用生成的 SQL 回答你的问题。
# 音频处理
所有该分类开源>>
强大的少样本语音转换和语音合成 WebUI 工具，输入 5 秒的声音样本就能体验文本到语音转换。支持少样本 TTS、英语、日语和中文，集成了声音伴奏分离、中文自动语音识别和文本标注等功能。
VoiceCraft 能够复制或克隆或甚至编辑你从未听过的语音。
Auralis 是一种文本转语音引擎，使语音生成在现实世界中变得实用：在 10 分钟内将整本《哈利·波特》第一本书转换为语音。
Buzz 是一款基于 OpenAI Whisper 的开源、可离线的实时语音转文字工具，支持 Windows、macOS、Linux，它可以将麦克风的语音实时转换为文字，也支持将视频、音频文件转换为文字、字幕。
ChatTTS是专为对话场景设计的语音生成模型，特别适用于大型语言模型(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。它支持中文和英文，通过使用大约100,000小时的中文和英文数据进行训练，ChatTTS在语音合成中表现出高质量和自然度。
MMAudio 在给定视频和/或文本输入的情况下生成同步音频。我们的关键创新是多模式联合训练，它允许对广泛的视听和音频文本数据集进行训练。此外，同步模块将生成的音频与视频帧对齐。
PDF2Audio，它将彻底改变我们阅读和理解 PDF 文件的方式。我们不再需要盯着屏幕，而是让信息以声音的形式流淌进你的耳朵，无论是在通勤的路上、健身时，还是任何需要解放双手的场合。