AI生产力工具
PolyBuzz：与AI角色互动的免费聊天与角色扮演平台
PolyBuzz 是一个免费的 AI 聊天和角色扮演平台。用户可以与超过 2000 万个虚拟角色互动。这些角色涵盖动漫、电影、游戏和历史人物等多个领域。平台支持用户创建自定义角色，设计个性化的外观和背景故事。它提供自然流畅的对话体验，角色能...
Video Face Swap
Video Face Swap 是一款完全免费的 AI 换脸工具，用户可以在任何视频中轻松替换人脸。该工具支持实时或后期处理换脸，适用于视频、照片和 GIF 动画。其智能算法能够识别视频中的面部并进行精确替换，生成逼真且有趣的内容。用户可以...
RoboNeo：通过聊天生成和编辑视频与图像的AI工具
RoboNeo是一款人工智能内容创作工具，它通过一个像聊天软件一样的界面，让用户通过输入文字指令来生成和编辑图像与视频。用户可以输入简单的文字描述，RoboNeo就能理解并创作出相应的内容。这个工具可以用来制作最多5秒钟的短视频，也能根据文...
FaceFusion：视频换脸增强工具|语音同步视频嘴型动作
FaceFusion是一个集成了面部交换与增强功能的先进云平台，优化了“图像到视频”、“图像到图像”的交换过程，并拥有5个专业模型，以确保无瑕的输出。此外，它通过7种模型进行面部增强，使用3种不同模型提升视频和图片质量，提供了一系列强大的功...
Unlimited AI Chat：免费无限制的AI聊天工具
Unlimited AI Chat 是一个免费的在线AI聊天平台，用户无需注册即可使用。它支持无限制的内容生成，包括创意写作、虚构故事，甚至NSFW（不适合工作环境）内容。平台采用先进的自然语言处理技术，生成接近人类对话的响应。用户可以随时...
DeepMosaics：自动去除图像和视频中的马赛克，或向其添加马赛克
DeepMosaics是一个基于语义分割和图像到图像转换技术的开源项目，旨在自动移除图片和视频中的马赛克，或向其添加马赛克效果。该项目利用深度学习的力量，为用户提供了一种高效的方法来处理马赛克图像，无论是去码还是加码。DeepMosaics...
KunAvatar（kun-lab）：基于 Ollama 的本地轻量AI对话客户端
kun-lab 是一款基于 Ollama 的开源 AI 对话应用，专注于提供轻量、快速的本地化智能对话体验。它支持 Windows、macOS 和 Linux（目前以 Windows 为主），无需复杂配置即可使用。用户可以与 AI 进行流畅...
UI-TARS Desktop：使用自然语言控制电脑的桌面智能体应用
UI-TARS-desktop是由字节跳动（Bytedance）开源的一款桌面应用程序，它本质上是一个多模态AI智能体。 这款工具让用户能通过输入简单的自然语言指令，来操作本地或远程的电脑。 它背后由UI-TARS和Seed-1.5-VL/...
PolyBuzz：与AI角色互动的免费聊天与角色扮演平台
PolyBuzz 是一个免费的 AI 聊天和角色扮演平台。用户可以与超过 2000 万个虚拟角色互动。这些角色涵盖动漫、电影、游戏和历史人物等多个领域。平台支持用户创建自定义角色，设计个性化的外观和背景故事。它提供自然流畅的对话体验，角色能...
Unlimited AI Chat：免费无限制的AI聊天工具
Unlimited AI Chat 是一个免费的在线AI聊天平台，用户无需注册即可使用。它支持无限制的内容生成，包括创意写作、虚构故事，甚至NSFW（不适合工作环境）内容。平台采用先进的自然语言处理技术，生成接近人类对话的响应。用户可以随时...
Polyglotta：多语言翻译与学习工具
Polyglotta 是一个专为语言爱好者和学习者设计的多语言翻译工具。它不仅提供单词或短语在多种语言中的翻译，还能展示不同语言间意义的细微变化。用户可以比较同一单词在多文化背景下的表达，深入了解语言的多样性。Polyglotta 由人工智...
VibeVoice-1.5B：微软出品的支持长音频多角色对话的语音生成模型
VibeVoice-1.5B是微软研究院发布的一款前沿的开源文本转语音（Text-to-Speech, TTS）模型。 它专门用于生成富有表现力的、长篇幅的、多角色对话音频，例如播客或有声读物。 VibeVoice的核心创新在于它使用了以7...
Jan：开源离线AI助手，ChatGPT 替代品，运行本地AI模型或连接云端AI
Jan 是一个开源的 ChatGPT 替代品，能够在用户的设备上 100% 离线运行。它由 Cortex 引擎驱动，支持多种硬件平台，包括 NVIDIA GPU 和 Apple M 系列芯片。Jan 提供了丰富的模型库，用户可以下载并运行如...
Video Face Swap
Video Face Swap 是一款完全免费的 AI 换脸工具，用户可以在任何视频中轻松替换人脸。该工具支持实时或后期处理换脸，适用于视频、照片和 GIF 动画。其智能算法能够识别视频中的面部并进行精确替换，生成逼真且有趣的内容。用户可以...
Vheer：免费不限量生成AI图像和视频的在线工具
Vheer 是一个免费的在线 AI 图像生成和编辑平台，适合创作者、设计师和普通用户。用户通过输入文本描述或上传图片，即可快速生成高质量图像，无需注册或付费。平台提供文本转图像、图像风格转换、背景移除、图像转视频等功能，操作简单直观，适合零...
AI Face Swap：免费AI人脸替换、视频换脸、多人换脸工具
AI Face Swap 是一个免费的在线平台，利用人工智能技术让用户轻松实现照片、视频和GIF中的人脸替换。无需下载软件或注册账号，用户只需上传文件即可快速完成操作。网站支持多种格式，如JPG、PNG、MP4和GIF，输出结果无水印，质量...
AdpexAI：生成式AI图像、视频内容创作平台
AdpexAI 是一个集生成式AI工具于一体的在线平台，提供图像编辑、视频编辑、AI聊天和代码生成等功能。用户无需安装软件，通过浏览器即可快速创建高质量视觉内容、编写代码或与智能AI模型互动。平台支持多种尖端AI模型，如ChatGPT-4o...
Wan：基于Wan系列模型的视频和图像生成工具
Wan是一个AI驱动的视觉内容生成网站，其核心是名为Wan 2.2的开源模型。用户可以通过这个工具，将文字、图片或音频快速转换成高质量的视频。网站支持多种生成方式，包括“文字生成视频”、“图片生成视频”以及独特的“语音生成视频”功能，能够根...
Repo Prompt：依赖本地文件夹上下文进行写作、对话与优化代码
Repo Prompt是一款专为macOS平台打造的原生应用程序，致力于简化开发者使用先进AI语言模型处理本地代码的流程。该工具通过智能化的方式帮助开发者管理和修改代码文件，显著提升开发效率。其核心优势在于为开发者提供了一个流畅的AI辅助开...
Internet.io：聚合多AI模型答案的智能工作平台
Internet.io 是一个聚合多个顶级 AI 模型答案的智能平台。旨在解决单一 AI 答案可能不准确或不一致的问题。用户只需提出一个问题，就能同时获得多个领先 AI 模型的回答，方便对比和选择最可靠的答案。平台还提供低代码工具，让用户可...
闲鱼自动回复系统：闲鱼智能客服与商品自动发货工具
闲鱼自动回复系统是一个专为闲鱼平台设计的自动化客服与管理工具，基于Python和FastAPI开发，托管于GitHub。系统通过WebSocket实时连接闲鱼服务器，自动处理买家消息、发货和商品管理。支持多用户、多账号管理，提供关键词匹配、...
Open-Fiesta：同时与多个AI大模型聊天的开源工具
Open-Fiesta 是一个开源的AI聊天工具。它让用户可以在同一个界面里，同时和多个不同的大语言模型进行对话。用户最多可以选择5个模型，发送一次问题，就能并排看到每个模型的不同回答，方便直接比较。这个工具支持接入Gemini和OpenR...
AIClient-2-API：模拟AI编程客户端请求转发为标准OpenAI接口
AIClient-2-API 是一个为开发者设计的轻量化API代理工具，其核心在于模拟多种AI客户端的授权和请求过程。该项目将那些原本仅限在客户端使用的大模型服务，例如谷歌的Gemini CLI、阿里的Qwen Code Plus以及Kir...
通义听悟：阿里通义音视频内容转录AI助手
通义听悟是阿里云推出的一款工作学习AI助手，专注于音视频内容的转写和分析。它依托阿里云的强大AI模型，能够将音视频内容实时转写成文字，并提供翻译、总结、定位等功能。通义听悟支持多种语言和场景，帮助用户高效记录和阅读音视频内容，是你的音视频笔...
置顶Vheer：免费不限量生成AI图像和视频的在线工具
Vheer 是一个免费的在线 AI 图像生成和编辑平台，适合创作者、设计师和普通用户。用户通过输入文本描述或上传图片，即可快速生成高质量图像，无需注册或付费。平台提供文本转图像、图像风格转换、背景移除、图像转视频等功能，操作简单直观，适合零...
置顶Lovart：将文字提示转化为专业设计的AI工具
Lovart 是一个创新的AI设计平台，通过自然语言输入将用户的创意想法转化为专业级视觉设计。用户只需用简单文字描述需求，Lovart 就能生成海报、品牌标识、视频和3D内容等多种设计资产。该平台整合了多种AI模型，如 GPT-4o、Flu...
置顶Artbreeder：超强图像控制与图像风格混合工具，适合教学使用
Artbreeder 是一个基于人工智能（AI）的协作艺术创作网站。它利用StyleGAN和BigGAN模型帮助用户生成和修改人脸、风景、绘画等图像。通过“基因”滑块操作，用户能够创造出新的变体，或者交配图片产生新的影响因子。 用户还可以上...
置顶OpenCreator：整合多种AI模型生成创意视频
OpenCreator 是一个在线工具，专为创作者设计，核心功能是把20多种生成式AI模型整合在一起。用户可以用它轻松生成创意视频，无需在不同平台间切换或支付多份订阅费。它界面简单，支持一键比较不同模型效果，按使用量付费，价格透明。无论是新...
RoboNeo：通过聊天生成和编辑视频与图像的AI工具
RoboNeo是一款人工智能内容创作工具，它通过一个像聊天软件一样的界面，让用户通过输入文字指令来生成和编辑图像与视频。用户可以输入简单的文字描述，RoboNeo就能理解并创作出相应的内容。这个工具可以用来制作最多5秒钟的短视频，也能根据文...
MagicQuill：智能交互式图像涂鸦编辑系统，精准局部涂鸦编辑
MagicQuill是一个由香港科技大学、蚂蚁集团、浙江大学和香港大学共同推出的开源AI互动式图像编辑工具。该工具旨在通过智能化和互动式的方式，实现对图像的精准局部编辑。MagicQuill提供了用户友好的界面和AI驱动的建议，使用户能够轻...
RunningHub：在线开发与分享ComfyUI工作流
RunningHub 是一个基于云端的 ComfyUI 平台，专注于帮助用户在线创建、编辑和发布 AI 应用。它无需复杂的本地安装，提供强大的 GPU 云算力支持，让用户可以轻松运行 AI 工作流。平台内置多种实用节点和热门模型，如 Flu...
即梦AI
即梦AI是一个一站式的AI创作平台，旨在为用户提供多功能且强大的创作工具。无论是图像生成、智能画布、视频生成还是音乐生成，即梦AI都能帮助用户轻松实现创意。平台支持多种创作模式，包括AI作图、AI视频、AI音乐等，用户可以通过简单的操作生成...
LiblibAI·哩布哩布：在线免费使用Stable Diffusion，每日免费生成200张图片
LiblibAI 综合介绍 LiblibAI是一个中国领先的AI图像创作平台，拥有丰富的AI创作工具和资源。用户可以在这个平台找到超过10万个免费的AI创作模型，用于图片、文字、音频等素材的创作。LiblibAI鼓励原创，提供...
可灵 AI：快手推出的生成创意图片和视频的AI工具
可灵 AI（Kling AI）是快手推出的一款新一代AI创意生产力平台，旨在通过先进的生成式AI技术，帮助用户轻松创建高质量的图片和视频内容。平台基于快手自研的可图大模型和可灵大模型（Kolors），提供了强大的图像和视频生成能力。用户可以...
Remaker：免费在线换脸工具
Remaker AI 是一个利用最新人工智能技术开发的创新工具集，支持创建和生成各种类型的内容，包括文本、图像、语音等。用户可以通过该平台进行照片和视频的面部交换、生成AI肖像、图像放大、制作会说话的照片等。Remaker AI 提供了多种...
星流
星流（Xingliu）是由LiblibAI团队开发的一款新一代AI图像创作工具，它基于自研的 Star-3 Alpha 图像生成模型，能够提供高精度、多样化的图像生成服务。旨在为设计师、摄影师和影像创作者提供强大的生产力支持。该工具基于St...
置顶OpenWispr：隐私优先的语音转文字桌面应用
OpenWispr 是一款开源的桌面语音转文字应用，基于 OpenAI Whisper 技术，将用户语音快速转换为文本。它提供本地和云端处理选项，强调隐私保护，数据可完全留存在本地。用户通过全局热键快速启动听写，文本自动粘贴至光标位置，适合...
置顶MiniMax Audio（海螺语音）：生成自然语音的AI工具
MiniMax Audio 是 MiniMax 公司推出的一款 AI 语音生成工具，核心特点是快速将文字转为高相似度的自然语音。它基于 Speech-02 模型，语音合成相似度高达 99%，音质达到录音室级别，支持超过 30 种语言和多种口...
置顶通义听悟：阿里通义音视频内容转录AI助手
通义听悟是阿里云推出的一款工作学习AI助手，专注于音视频内容的转写和分析。它依托阿里云的强大AI模型，能够将音视频内容实时转写成文字，并提供翻译、总结、定位等功能。通义听悟支持多种语言和场景，帮助用户高效记录和阅读音视频内容，是你的音视频笔...
Demucs：免费分离音乐音轨的开源工具
Demucs 是一个开源的音乐音轨分离工具，专注于将混合音乐分解为独立音轨，如人声、鼓、贝斯和其他伴奏部分。它由 Alexandre Défossez 开发，最初由 Meta AI 支持，现由作者在 GitHub 上维护。Demucs 使用...
gibberlink：两个AI智能体间高效音频通信的演示项目
gibberlink 是一个由开发者 PennyroyalTea 在 GitHub 上开源的项目，专注于实现两个对话型 AI 智能体之间的通信优化。当两个 AI 智能体通过电话交谈并识别出彼此均为 AI 时，它们会从人类语言（英语）切换到一...
小智 AI 聊天机器人
小智 AI 聊天机器人是一个基于ESP32开发板的开源项目，旨在帮助用户构建自己的AI聊天伴侣。该项目由虾哥开发，主要用于教学目的，帮助更多人入门AI硬件开发，并了解如何将大语言模型应用到实际的硬件设备中。项目支持多种语言的语音识别和对话功...
Ondoku：在线文本朗读工具|文本转语音|图片转语音朗读
Ondoku 综合介绍 Ondoku是一款在线文字转语音软件，用户可将文本内容输入网站提供的文本框，软件能够根据用户需要将文章转换成语音读出，并支持将语音保存为MP3格式文件。这项服务既适合即时聆听，也适合生成音频内容供日后使用。 Ondo...
EmotiVoice（易魔声）：多声音与情感提示控制的文本转语音引擎
EmotiVoice是一个由网易有道开发的多声音和情感提示控制的文本转语音(TTS)引擎。此开源TTS引擎支持英文和中文，拥有超过2000种不同的声音，并具备情感合成能力，能够创建带有快乐、兴奋、悲伤和愤怒等多种情绪的语音。它提供了易于使用...
Kokoro TTS API：快速文本转语音的Docker化FastAPI封装（Kokoro-82M模型）
Kokoro-FastAPI是一个基于Docker的FastAPI封装，旨在为Kokoro-82M文本转语音模型提供支持。该项目支持NVIDIA GPU加速，并提供了队列处理和自动拼接功能，使得生成长文本的语音输出更加高效和连贯。项目由Gi...
OpenAI Edge TTS：利用 Edge TTS 的免费文本转语音API，兼容 OpenAI 格式
OpenAI Edge TTS 是一个开源项目，提供与 OpenAI 兼容的本地文本转语音（TTS）API。该项目使用 Microsoft Edge 的在线文本转语音服务，允许用户生成高质量的语音输出。OpenAI Edge TTS 支持多...
“Always-On” Deepseek AI Assistant：基于Deepseek-V3打造智能语音交互系统
Always-On AI Assistant是一个创新的AI助手项目，它通过整合Deepseek-V3、RealtimeSTT和Typer等先进技术，打造了一个功能强大的永久在线AI助理系统。该项目特别针对工程开发场景进行优化，提供了完整的...
edge-tts：文本转语音Python模块|免费文本转语音服务
edge-tts是一个开源的Python模块，允许用户在Python代码中使用微软Edge的在线文本转语音服务，而无需Microsoft Edge浏览器、Windows操作系统或API密钥。提供了命令行下直接使用的edge-t...
置顶RenderNet
RenderNet 是一款基于人工智能技术专注于创作保持人物一致性的图像与视频的生成工具。用户可以通过简单的文本提示生成角色驱动的图像和视频。该工具支持多种图像和视频生成选项，用户可以根据需要进行自定义，并将生成的内容用于各种项目中。 &n...
Pippit AI：一键生成营销视频与图片的智能创作工具
Pippit AI 是 CapCut 推出的一款智能创作工具，专注于简化营销内容的生产流程。用户只需输入产品链接或上传素材，平台即可快速生成视频、图片和 AI 头像，适合社交媒体和电商平台使用。Pippit 提供一键生成、批量处理、自动发布...
MoneyPrinter V2：自动生成YouTube短视频与Twitter内容并发布
MoneyPrinter V2 是由FujiwaraChoki开发的一个开源项目，旨在通过自动化手段帮助用户在线赚钱。该项目主要集成了Twitter自动化、YouTube短视频生成以及联盟营销等功能。用户可以利用Python脚本进行内容发布...
Unify：AI驱动的GTM工具，高效分析潜在买家数据
Unify 是一个专为销售和营销团队打造的去市场（GTM, Go-To-Market）平台。它利用人工智能（AI）和意图数据，帮助企业快速找到准备购买的潜在客户，并优化销售流程。Unify 的核心在于“温性外联”，通过分析客户的行为信号（比...
Topview：一键创建病毒式营销视频，AI虚拟形象展示并讲解商品
Topview 是一款基于人工智能的在线视频编辑工具，旨在帮助用户通过上传简单的材料和想法，生成高质量的病毒式营销视频。它利用先进的AI技术，包括GPT-4o来生成脚本，并结合来自TikTok和YouTube的成功广告学习，确保视频具有吸引...
闲鱼自动回复系统：闲鱼智能客服与商品自动发货工具
闲鱼自动回复系统是一个专为闲鱼平台设计的自动化客服与管理工具，基于Python和FastAPI开发，托管于GitHub。系统通过WebSocket实时连接闲鱼服务器，自动处理买家消息、发货和商品管理。支持多用户、多账号管理，提供关键词匹配、...
VidAU：视频换脸与视频多语言翻译工具
VidAU.AI 是一款集视频和音频生成于一体的AI工具，提供视频代言人、换脸、多语言翻译、字幕和水印去除、视频混剪和编辑等多种功能。它支持创建包括短剧、广告、销售推介、社交媒体内容和培训视频在内的多样化视频。VidAU.AI 支持音视频内...
即创：依托巨量引擎生成电商营销物料，快速发布适合抖音推广的商品讲解视频
即创介绍 即创是抖音推出的一站式智能创意生产与管理平台，旨在为创作者提供高效、便捷、专业的内容创作服务。即创平台集成了多种AI功能，如智能成片、AI视频脚本、图文工具、商品卡工具、AI直播背景、AI直播脚本等，可以帮助创作者快速生成优质的视...
AI Chatbot Supabase：开源的Next.js和Supabase构建的AI聊天机器人
AI Chatbot Supabase是一个基于Next.js和Supabase构建的开源AI聊天机器人模板。该项目由Vercel开发，旨在提供一个功能全面、可定制的聊天机器人解决方案。通过集成Supabase数据库，用户可以实现聊天记录和...
Arcads：AI驱动创意视频广告生成器
Arcads是一个AI驱动的视频广告创作平台，仅需用户提供文本或产品链接，即可迅速转换成高质量、情感丰富的短视频广告。Arcads拥有大量AI演员库，通可以将文本脚本转化为引人入胜、真实且吸引人的视频广告。过利用先进的人工智能和唇同步技术，...
文心智能体平台：建立在完整分发渠道和商业闭环的智能体应用
介绍 文心智能体平台AgentBuilder 是百度推出的基于文心大模型的智能体（Agent）平台，支持广大开发者根据自身行业领域、应用场景，选取不同类型的开发方式，打造大模型时代的产品能力。开发者可以通过 prompt 编排的方式低成本开...
Vsub：输入文字或模板生成无需露脸的病毒营销视频
Vsub 是一个专注于自动化视频内容制作的平台，旨在帮助内容创作者快速生成无脸视频（faceless videos）。它利用人工智能技术，允许用户通过输入文本或选择预设模板来创建适合YouTube、TikTok等平台的视频内容。特别强调其S...
置顶ARGO：在个人电脑上部署和使用的AI智能体客户端
ARGO 是一款开源的AI智能体（AI Agent）平台，它的核心设计理念是“本地优先”，让用户可以在自己的个人电脑上搭建一个功能强大的专属AI助手。这个平台整合了AI领域的多种先进技术，比如能够让AI自主思考和规划任务的多智能体系统、方便...
置顶dots.ocr：多语言文档布局解析的统一视觉-语言模型
dots.ocr 是一个强大的多语言文档解析工具，基于 1.7B 参数的视觉-语言模型（VLM），能够同时进行布局检测和内容识别。它在 OmniDocBench 等基准测试中展现了最先进的性能，特别是在文本、表格和阅读顺序解析方面表现出色。...
置顶MAESTRO：拥有本地知识库和多代理协作的深度研究助手
MAESTRO 是一个开源的 AI 研究工具，旨在帮助用户处理复杂的科研任务。它通过文档管理、检索增强生成（RAG）和多代理协作，提供从研究规划到报告生成的完整流程。用户可以上传 PDF 文档，借助 AI 代理完成信息检索、分析和报告撰写。...
置顶MiniMax Agent：支持多模态交互的智能AI助手
MiniMax Agent 是一个基于先进多模态大语言模型的智能AI助手，旨在提升用户的生产力和创造力。它由上海MiniMax公司开发，成立于2021年，获得阿里巴巴等多家投资机构支持。MiniMax Agent通过集成文本、图像、语音和视...
Sherpa-ONNX：使用ONNXRuntime实现离线语音识别和合成
sherpa-onnx 是由 Next-gen Kaldi 团队开发的一个开源项目，旨在提供高效的离线语音识别和语音合成解决方案。它支持多种平台，包括 Android、iOS、Raspberry Pi 等，能够在没有网络连接的情况下进行实时...
Chatlog：提取和查询微信聊天记录的开源工具
Chatlog 是一个开源工具，专注于从微信本地数据库提取和查询聊天记录。它支持微信 3.x 和 4.0 版本，覆盖 Windows 和 macOS 系统。用户可以通过命令行、终端界面或 HTTP API 操作，查看聊天记录、联系人、群聊和...
Paperless-AI：使用AI自动分析和标记文档，适用 paperless-ngx 文档管理系统
Paperless-AI 是一个创新的文档自动化分析工具，专门为 Paperless-ngx 文档管理系统设计。它巧妙地结合了 OpenAI API 和 Ollama 等多种先进的人工智能模型（包括 Mistral、LLaMA、PHI-3 ...
Marker：快速将PDF转换为Markdown的开源工具
Marker 是一个基于深度学习的文档处理工具，旨在将 PDF 文件快速准确地转换为 Markdown 格式。它支持多种文档类型，特别优化了书籍和科学论文的转换。Marker 能够去除页眉页脚等多余内容，格式化表格和代码块，并提取和保存图像...
Reader API：网页内容提取工具，HTML转换为Markdown格式
Jina AI的Reader项目是一个开源工具（Reader 开源地址），可将任何URL通过添加前缀https://r.jina.ai/转换成适合大型语言模型(Large Language Models, LLM)的输入格式，...
OCRmyPDF：将扫描PDF转为可搜索文本的开源工具
OCRmyPDF 是一个开源的命令行工具，专门用于为扫描的PDF文件添加光学字符识别（OCR）文本层，使其变为可搜索、可复制的文档。它基于Python开发，使用Tesseract OCR引擎，能准确识别图像中的文字，并将其嵌入PDF中，保持...
Ollama OCR：使用Ollama中视觉模型提取图像中的文本
Ollama OCR是一个强大的光学字符识别(OCR)工具包，它利用Ollama平台提供的最先进视觉语言模型来从图像中提取文本。该项目既可作为Python包使用，也提供了用户友好的Streamlit网页应用程序界面。它支持多种视觉模型，包括...
Docling：支持多种格式文档解析并导出为Markdown和JSON，PDF支持OCR
Docling 是一个强大的文档解析和导出工具，支持多种文档格式，包括 PDF、DOCX、PPTX、XLSX、图像、HTML、AsciiDoc 和 Markdown。它能够将这些文档解析并导出为 HTML、Markdown 和 JSON 格...
置顶VideoMind
VideoMind 是一个开源的多模态AI工具，专注于长视频的推理、问答和摘要生成。它由香港理工大学的刘晔（Ye Liu）和新加坡国立大学Show Lab的团队共同开发。工具模仿人类理解视频的方式，把任务拆成规划、定位、验证和回答等步骤，逐...
IndexTTS：支持中英文混合的文本转语音工具
IndexTTS 是一个开源的文本转语音（TTS）工具，托管在 GitHub 上，由 index-tts 团队开发。它基于 XTTS 和 Tortoise 技术，通过改进模块设计，提供高效且高质量的语音合成。IndexTTS 使用了数万小时...
Wan2.2：开源视频生成模型，支持高效文本和图像转视频
Wan2.2 是由阿里巴巴通义实验室开发的开源视频生成模型，专注于通过文本或图像生成高质量视频。它采用混合专家（MoE）架构，通过分离高噪声和低噪声阶段的去噪过程，显著提升生成质量，同时保持计算效率。Wan2.2 支持 720P@24fps...
Orpheus-TTS：生成自然中文语音的文本转语音工具
Orpheus-TTS 是一个开源的文本转语音（TTS）系统，基于 Llama-3b 架构开发，目标是生成接近人类自然语音的音频。它由 Canopy AI 团队推出，支持英语、西班牙语、法语、德语、意大利语、葡萄牙语和汉语等多种语言。系统能...
Qwen2.5-Omni
Qwen2.5-Omni 是阿里巴巴云 Qwen 团队开发的一款开源多模态 AI 模型。它能处理文本、图像、音频和视频等多种输入，并实时生成文本或自然语音响应。这款模型于 2025 年 3 月 26 日发布，代码和模型文件托管在 GitHu...
OmniGen
OmniGen 是一个由 VectorSpaceLab（智源） 开发的“通用”图像生成模型，允许用户通过简单的文本提示或多模态输入来创建多样化且具有上下文丰富的视觉效果。它特别适合于需要识别人物和一致性角色渲染的场景。用户可以上传最多三张图...
LTX Video（LTXV）：生成高质量视频的实时视频生成开源模型
LTX-Video是由Lightricks开发的首个基于DiT（Diffusion Transformer）的实时视频生成模型。该模型能够在768×512分辨率下以24帧每秒的速度生成高质量视频，速度快于观看视频的时间。LTX-V...
StarVector：从图像和文字生成SVG矢量图的基础模型
StarVector 是一个开源项目，它由 Juan A. Rodriguez 等开发者创建，目的是将图像和文字转化为可缩放矢量图形（SVG）。这个工具使用视觉语言模型，能够理解图像内容和文字指令，生成高质量的 SVG 代码。它的核心特点是...
VibeVoice-1.5B：微软出品的支持长音频多角色对话的语音生成模型
VibeVoice-1.5B是微软研究院发布的一款前沿的开源文本转语音（Text-to-Speech, TTS）模型。 它专门用于生成富有表现力的、长篇幅的、多角色对话音频，例如播客或有声读物。 VibeVoice的核心创新在于它使用了以7...
DeepSeek-TNG-R1T2-Chimera：德国 TNG 发布的 DeepSeek 增强版
DeepSeek-TNG-R1T2-Chimera 是由 TNG Technology Consulting GmbH 开发的一款开源大型语言模型，托管在 Hugging Face 平台上。该模型于 2025 年 7 月 2 日发布，是 D...
Kimi-Audio：开源音频处理与对话基础模型
Kimi-Audio 是由 Moonshot AI 开发的一款开源音频基础模型，专注于音频理解、生成和对话。它支持多种音频处理任务，例如语音识别、音频问答和语音情感识别。模型经过超过 1300 万小时的音频数据预训练，结合创新的混合架构，在...
MiniMax Speech 02
随着人工智能技术的不断演进，个性化和高自然度的语音交互已成为众多智能应用的关键需求。然而，现有的文本转语音 (TTS) 技术在满足大规模个性化音色、多语种覆盖以及高度真实情感表达方面仍面临挑战。针对这些行业痛点，MiniMax Speech...
互联网的流量逻辑正在发生根本性的重构。过去，我们在 Google 或百度上争夺“十条蓝色链接”的头把交椅；现在，ChatGPT、Claude 和 Perplexity 等 AI 工具正在成为新的守门人。这种转变带来了一个残酷的新现实：即使你...
对于身处特定网络环境的开发者而言，Google 最新发布的 AI IDE —— Antigravity，带来了一种颇为讽刺的体验：软件界面设计得极简优雅，启动速度飞快，但核心功能却完全瘫痪。 最典型的症状莫过于此：启动软件后，UI 渲染完美...
在当前的 Web 开发领域，借助强大的云平台实现个人或企业网站的快速、免费托管已成为一种主流选择。Cloudflare 不仅以其领先的 CDN 和安全服务闻名，其 Cloudflare Pages 服务也为开发者提供了一套与 Git 集成的...
如何平衡服务器的性能、网络质量与成本，是许多开发者和服务部署者面临的共同挑战。高配置的服务器往往价格不菲，而具备优质网络线路（如 CN2 GIA）的服务器，其高昂的成本更是让许多预算有限的项目望而却步。 本文将介绍一种高性价比的架构方案：利...
将小说或剧本转化为分镜脚本，是影视、动画和漫画创作中的关键一环。这个过程需要创作者深度解析文本，梳理情节、人物、场景和对话，再通过想象力构建出一系列连续的画面。传统的人工方式不仅耗时，而且工作量巨大。 随着人工智能技术的发展，一个问题自然而...
前言：构建经济高效的 AI 图像生成与编辑工作流 通义千问 Qwen-Image 作为一款开源的文生图模型，凭借其在复杂文本渲染，尤其是中文字符生成方面的卓越能力，获得了广泛关注。 与主流模型相比，它能在图像中精准地嵌入多行、多段的文字内容...
在构建基于大型语言模型（LLM）的知识库问答应用时，开发者普遍会采用检索增强生成（RAG）技术。然而，RAG 的实际效果常常受限于一个核心矛盾：如何平衡检索的精确性与上下文的完整性。如果文本切片（Chunk）过小，虽然能精准命中用户查询，但...
Anthropic 公司推出的 AI 编程助手 Claude Code 以其强大的代码生成和交互能力，在开发者社区中获得了广泛关注。然而，作为一个闭源产品，其内部工作机制对外界始终是一个“黑盒”，这不仅让开发者难以完全理解其决策逻辑，也限制...
AI 编程工具正从被动的代码“补全器”进化为主动的“开发伙伴”。它们能够理解复杂需求、规划任务并直接参与整个开发流程。本文将深度解析一款代表该趋势的命令行AI编程工具——我们称之为 Claude Code，并提供一份详尽的完整使用指南。 新...
无论是 Cursor、Claude Code，还是 Aider、RooCode 等工具，各类 AI 编程工具正带着其独特的指令配置方法（如 .cursor/rules/、GEMINI.md 等）进入市场。这种多样性反映了不同团队的创新思路，...
数据可视化通常需要繁琐的编程或复杂的图形界面操作，但现在有了新的选择。蚂蚁集团开源的数据可视化库 AntV 生态下的 @antv/mcp-server-chart 项目，让用户可以通过自然语言指令快速生成各种主流图表，极大地简化了从数据到图...
随着 Claude Code 这类代理式终端编程工具的兴起，一种全新的开发模式正在形成。这类工具允许开发者在终端环境中，通过人工智能代理执行从需求分析到代码实现、测试和修复的复杂任务。然而，其原生的交互体验和功能局限性也催生了一个蓬勃发展的...
回顶部
