AI生产力工具

置顶cto.new：免费使用各类顶级大模型的的AI编程智能体

cto.new是由Engine Labs公司开发的一款AI代码智能体。它通过接入开发者已有的工具集，例如Jira、GitHub、Slack等，来理解和执行编程任务。这款智能体可以利用多种大型语言模型（包括OpenAI的GPT系列、Anthr...

置顶Had No Idea：快速生成并验证创业想法的AI工具

Had No Idea 是一个帮助用户快速生成、验证和启动创业项目的免费AI工具。它针对没有明确创业方向的用户，10分钟内从零开始生成个性化创业想法，验证市场可行性，创建品牌形象，并生成可直接用于开发的蓝图。工具支持Base44、Repli...

置顶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...

置顶Sigma AI Browser：免费使用主流大模型的AI浏览器

Sigma AI Browser是一款由SigmaBrowser OÜ开发的先进浏览器，利用人工智能技术为用户提供更快、更智能的浏览体验。该浏览器不仅注重速度和效率，还提供了增强的安全性和个性化推荐功能，确保用户在浏览网页时获得最佳体验。S...

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...

豆包

豆包综合介绍 豆包是由抖音旗下子公司开发的人工智能AI助手，国内版使用最新的云雀大模型。它是一款能够帮助用户解决问题、获取信息和提高效率的智能助手工具。豆包支持中英文，可以联网使用，并提供网页版、安卓版和iOS版本。用户可以使用手机号、抖音...

PocketPal AI

PocketPal AI 是一款开源的移动应用，旨在将小型语言模型（Small Language Models, SLMs）直接引入到你的手机中，无论是iOS还是Android用户都可以使用。它提供了一种不依赖网络的AI聊天体验，确保用户隐...

Cherry Studio：集成API/Web/本地模型的AI助手桌面客户端

Cherry Studio 是一款支持多种大语言模型（LLM）服务的桌面客户端，兼容 Windows、Mac 和 Linux 系统。它提供了丰富的个性化选项和领先的功能设计，帮助用户在多种场景下提升工作效率。用户可以通过 Cherry St...

Duck.ai：匿名使用主流大模型的AI聊天工具

Duck.ai 是一个由 DuckDuckGo 推出的在线 AI 聊天平台。它主打隐私保护，让用户可以匿名使用多种热门 AI 模型，比如 OpenAI 的 GPT-4o mini、Anthropic 的 Claude 3 Haiku、Met...

ZenMux：协同多种AI模型辅助编程的开发工具

ZenMux是一个AI编排开发工具，其核心是Zen MCP（Model Context Protocol）服务器。它允许开发者将一个主要AI（如Claude）与多个其他顶尖AI模型（包括Gemini、OpenAI O3等）连接并协同工作。 ...

Page Assist：本地AI模型对话与检索文档的网页助手插件

Page Assist 是一个开源的浏览器扩展，旨在为用户提供与本地AI模型交互的便捷方式。通过这个扩展，用户可以在任何网页上打开一个侧边栏，与本地运行的AI模型进行互动。Page Assist 支持多种浏览器，包括Chrome、Brave...

Kimi

Kimi Chat是由月之暗面(Moonshot AI)研发的智能助手，能够处理长达20万汉字的文本。Kimi拥有超大“内存”，可以快速阅读文档及上网搜索信息，为用户提供高效的信息处理和互动体验。其突破性的长文本处理能力在同类产品中领先，支...

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。...

置顶蛙蛙写作：快速生成小说大纲与内容的AI写作工具

蛙蛙写作 是一款专为小说作者设计的AI智能写作工具。它能帮助用户快速生成小说大纲、角色设定和正文内容，适合需要灵感或高效创作的写作者。用户通过微信扫码登录，无需下载软件，直接在网页端操作。平台提供自动生成剧情、润色文风等功能，操作简单，适合...

置顶Cotrans：一站式漫画图片翻译器(开源免费)

manga-image-translator（Cotrans翻译器开源版），用于翻译漫画或图片中的文字。提供命令行交互方式和在线演示，拥有批量转换模式、web服务器模式等多样化的使用选项。可设置多种语言目标翻译和识别参数，配有详尽的安装和使...

LLPlayer

LLPlayer 是一款专为语言学习者设计的开源媒体播放器，托管于 GitHub，由开发者 umlx5h 创建。它集成了多种实用功能，如双语字幕显示、AI 自动生成字幕、实时翻译和单词查询等，旨在帮助用户通过观看视频提升语言能力。无论是学习...

同言翻译 (Transync AI)：支持会议和通话的AI实时翻译工具

同言翻译 (Transync AI) 是一款利用人工智能技术实现实时语音翻译的软件。它可以在跨语言的线上会议、线下交流或国际通话中，即时翻译对话内容，并以双语分屏字幕的形式展示出来。软件的核心是其低延迟的翻译能力，能够自动识别发言者的语言并...

Bohrium（玻尔）：为全球科学家提供AI驱动的科研工具

Bohrium是深势科技开发的一款AI驱动的科研工具，旨在为全球科学家提供高效、智能的学术研究支持。平台整合了超过1.6亿篇学术论文、专利和学者档案，通过AI技术帮助用户快速检索、分析和理解科研内容。Bohrium以“AI for Scie...

Connected Papers

Connected Papers是一款专为研究员和科学家设计的学术论文探索工具。通过构建论文间的关联图谱，帮助用户可视化探索各自研究领域内相关论文。用户可输入论文标识符，如DOI、arXiv、论文URL、论文标题、Semantic Scho...

FlipHTML5：将PDF转换为在线翻页书的数字出版工具

FlipHTML5 是一个在线数字出版平台。用户可以把 PDF、PPT、Word 或图片文件转换为交互式翻页书。它适合创建电子杂志、产品目录、宣传册等内容。平台支持多媒体嵌入，比如音频、视频和图片。用户可以快速上传文件，生成专业效果的翻页书...

Glass：实时观察并整理信息的桌面AI助手

Glass 是一个开源的桌面 AI 助手，由 Pickle 团队开发。它运行在用户电脑的后台，实时观察屏幕内容和音频，自动整理信息并提供即时帮助。Glass 不同于传统聊天机器人，用户无需主动提问，它会主动分析用户正在处理的内容，提供相关建...

PDFMathTranslate

PDFMathTranslate 是一个专注于科学论文翻译的开源工具，能够将 PDF 文档全文翻译并生成双语对照版本。它利用 AI 技术完整保留原始文档的排版，包括公式、图表、目录和注解，支持 Google、DeepL、Ollama、Ope...

Translator

一个可以将电子书翻译成指定语言（原文译文对照）的 Calibre 插件。       主要功能 支持多种翻译模式：批量模式和高级模式，满足不同的使用场景 支持所选翻译引擎所支持的语言（如Google翻译支持13...

置顶cto.new：免费使用各类顶级大模型的的AI编程智能体

cto.new是由Engine Labs公司开发的一款AI代码智能体。它通过接入开发者已有的工具集，例如Jira、GitHub、Slack等，来理解和执行编程任务。这款智能体可以利用多种大型语言模型（包括OpenAI的GPT系列、Anthr...

置顶Kode：Claude Code 开源优化版

Kode是一个强大的AI助手，它直接在你的电脑终端里运行。你可以把它看作一个和你一起工作的程序员，它能理解你的代码库，帮你编辑文件，还能执行命令行指令来处理整个开发流程。和其他工具不同的是，Kode可以同时使用多种不同的大模型，比如Deep...

置顶Storydoc：快速创建与编辑互动演示文稿的智能工具

Storydoc 是一个帮助用户快速创建互动演示文稿的在线平台。它通过人工智能技术简化设计流程，让用户无需专业技能也能制作出吸引人的幻灯片。Storydoc 提供多种模板，适用于营销、销售、投资、招聘和报告等多种场景。它的特色是自动调整设计...

置顶Had No Idea：快速生成并验证创业想法的AI工具

Had No Idea 是一个帮助用户快速生成、验证和启动创业项目的免费AI工具。它针对没有明确创业方向的用户，10分钟内从零开始生成个性化创业想法，验证市场可行性，创建品牌形象，并生成可直接用于开发的蓝图。工具支持Base44、Repli...

Codeium（Windsurf Editor）：免费的AI代码补全与聊天工具，Windsurf以对话方式编写完整项目代码

Codeium是一款免费的AI代码补全与聊天工具，旨在提升开发者的编程效率。它支持超过70种编程语言，并与40多种集成开发环境（IDE）兼容。Codeium不仅提供代码自动补全功能，还具备代码生成、代码解释和聊天功能，帮助开发者更快地编写高...

Fogsight（雾象）：一键生成教学动画的AI工具

Fogsight 是一个开源的 AI 动画生成工具，基于大语言模型（LLM）驱动。它能将用户输入的抽象概念或词语转化为结构完整、带中英文配音的教学动画。用户只需输入一个主题，例如“冒泡排序”或“熵增定律”，Fogsight 就会自动生成包含...

Kilo Code：具有简洁使用体验的Roo Code分支

Kilo Code 是一个开源的 Visual Studio Code（简称 VS Code）扩展插件。它利用人工智能技术帮助用户更高效地编写代码。这个项目由 Kilo-Org 团队开发，最初 fork 自 Roo Code，后续加入了更多...

Serena：语义检索和编辑代码的免费MCP工具

Serena 是 Oraios AI 团队开发的一款免费开源编程工具，托管在 GitHub 上。它是一个强大的代码助手，可以直接在你的代码库中工作，帮助开发者分析、编辑和执行代码。Serena 通过语言服务器协议（LSP）实现语义分析，能快...

Roo Code（Roo Cline）：基于Cline的增强版自主编程助手，智能化IDE编程助手

Roo Code（前称Roo Cline）Roo Code（Roo Cline） 是一个基于 Cline 的增强版自主编程助手，它是一个强大的 VS Code 扩展插件。这个工具能够在您的集成开发环境(IDE)中实现自主编码，具备创建和编辑...

WeWe RSS：生成微信公众号RSS订阅的开源工具

WeWe RSS 是一个免费的开源工具，专门为微信公众号用户设计。它通过微信读书平台抓取公众号文章，生成 RSS 订阅源，让用户可以用 RSS 阅读器随时查看内容。这个工具解决了微信公众号信息封闭的问题，支持私有化部署，用户可以自己搭建服务...

Augment Code：为大型代码库设计的AI编码助手

Augment Code 是一个专为专业软件工程师设计的AI编码工具，核心特点是能深入理解你的代码库。在SWE-Bench Verified基准测试中以65.4%的成绩排名第一，结合了Claude Sonnet 3.7和OpenAI O1模...

Onyx：连接企业知识库的智能AI聊天平台

Onyx（原名Danswer）是一个开源的AI聊天平台，由onyx-dot-app团队开发，旨在帮助企业整合和管理文档、应用及员工数据。它提供丰富的聊天功能，支持连接任意大语言模型（LLM），并通过40多个连接器（如Google Drive...

置顶Akool：生成图像和视频营销素材|视频换脸|视频翻译|人像说话

Akool是一个专注于个性化视觉营销和广告。通过先进的AI技术，AKOOL能够帮助用户轻松创建高质量、个性化的视频内容，适用于广告、在线教育、艺术创作和电子商务等多个领域。 它提供了面部换位、真实头像创建、说话照片生成、图像生成器和背景更改...

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...

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...

HeyReal：无限制的AI角色聊天互动平台

HeyReal 是一个创新的在线平台，专注于提供高度个性化和无限制的AI聊天体验。用户可以通过这个网站创建并与虚拟角色互动，这些角色可以根据用户的喜好进行深度定制，包括外观、性格和对话风格。无论是寻找虚拟陪伴、进行创意角色扮演，还是探索多样...

AIRI：自托管的AI虚拟伴侣，支持实时语音和游戏互动

AIRI 是一个开源的自托管 AI 虚拟伴侣项目，旨在为用户提供可定制的数字角色体验。它以大型语言模型（LLM）为核心，支持实时语音聊天、游戏互动（如 Minecraft 和 Factorio）以及虚拟角色（VRM/Live2D）动画。用户...

WeWe RSS：生成微信公众号RSS订阅的开源工具

WeWe RSS 是一个免费的开源工具，专门为微信公众号用户设计。它通过微信读书平台抓取公众号文章，生成 RSS 订阅源，让用户可以用 RSS 阅读器随时查看内容。这个工具解决了微信公众号信息封闭的问题，支持私有化部署，用户可以自己搭建服务...

Open-LLM-VTuber：实时语音互动的Live2D动画AI虚拟伴侣

Open-LLM-VTuber 是一个开源项目，允许用户通过语音和文字与大型语言模型（LLM）互动，并结合Live2D技术呈现动态虚拟角色。它支持Windows、macOS和Linux，可完全离线运行，兼具网页版和桌面客户端两种模式。用户可...

roop-unleashed：基于Roop优化的全能换脸工具

Roop-Unleashed 是一个基于 Python 的开源 AI 换脸工具，继承自 s0md3v 的 Roop 项目，由开发者 C0untFloyd 继续维护并更名为 Roop-Unleashed。它通过深度学习技术实现图片和视频中的面...

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...

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 ...

VisoMaster：强大且易用的图片/视频换脸和编辑软件

VisoMaster 是一款强大且易用的视频换脸和编辑工具，利用人工智能技术实现自然逼真的换脸效果。无论是图像还是视频，VisoMaster 都能通过简单的操作生成高质量的换脸结果，适合普通用户和专业人士使用。该工具支持多种输入和输出格式，...

置顶Had No Idea：快速生成并验证创业想法的AI工具

Had No Idea 是一个帮助用户快速生成、验证和启动创业项目的免费AI工具。它针对没有明确创业方向的用户，10分钟内从零开始生成个性化创业想法，验证市场可行性，创建品牌形象，并生成可直接用于开发的蓝图。工具支持Base44、Repli...

置顶ListenHub：将网页、文件快速转为AI播客的工具

ListenHub 是一个利用人工智能技术将网页、文档或用户输入的内容快速转化为播客的平台。它支持中英文语音合成，用户只需上传文件、输入话题或粘贴链接，即可生成自然流畅的播客音频。平台操作简单，适合移动端使用，方便用户在通勤、运动或空闲时收...

置顶KrillinAI

KrillinAI 是一个开源的视频处理工具，专注于用人工智能帮助用户翻译视频并自动配音。它能从视频下载开始，一直到生成适配不同平台的成品，全程只需几次点击。开发者在 GitHub 上提供了免费代码，用户可以下载到本地运行。KrillinA...

置顶LLPlayer

LLPlayer 是一款专为语言学习者设计的开源媒体播放器，托管于 GitHub，由开发者 umlx5h 创建。它集成了多种实用功能，如双语字幕显示、AI 自动生成字幕、实时翻译和单词查询等，旨在帮助用户通过观看视频提升语言能力。无论是学习...

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...

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...

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...

Weights：模仿声音翻唱歌曲和文本转语音的创作平台

Weights 是一个利用 AI 进行创作的社交平台，用户可以通过简单的操作创建语音翻唱、文本转语音、图像、音乐和视频等内容。平台提供了丰富的工具和模板，帮助用户快速上手创作，并与社区分享自己的作品。Weights 还支持多种设备，包括 i...

SoniTranslate

SoniTranslate 是一个强大且用户友好的视频多语言配音工具，旨在提供视频翻译和同步音频的解决方案。它利用先进的语音识别和机器翻译技术，将视频内容翻译成多种语言，并保持音频同步。该项目基于 Gradio 库构建，提供了用户友好的 W...

Mureka：昆仑万维推出的AI生成原创音乐工具

Mureka 是由中国公司昆仑万维打造的AI音乐生成平台，2024年8月上线后，因音质优异、操作简单，在海外迅速受到关注。2025年3月26日，Mureka 推出全球首款音乐推理大模型 Mureka O1 和基座模型 Mureka V6。这...

Suno：用想象力创作音乐|AI音乐生成软件

与许多 AI 音乐应用程序不同，Suno（发音为 soon-oh，在印地语中意为“听”）专注于用原创人声创作原创曲调，而不是克隆或模仿流行艺术家的声音或歌曲。   Suno 综合介绍 Suno是一个让您用想象力和AI创作歌曲的平台...

腾讯智影

腾讯智影是腾讯公司推出的在线智能视频创作平台，通过云端服务提供的强大AI工具，能支持文本配音、数字人播报、自动字幕识别等功能，它集素材搜索、视频剪辑、渲染出口和发布于一体，为用户带来便捷的视频编辑和创作体验。拥有丰富的素材库，可以极大提升用...

置顶Impeccable：提升AI助手前端设计质量的指令工具包

Impeccable是一个开源的AI前端设计语言和技能库，旨在帮助AI编程助手（如Claude Code、Cursor等）生成更高质量、更具美感的UI设计，避免千篇一律的“AI塑料感”界面。该项目在Anthropic的frontend-de...

置顶Superpowers：为AI编程智能体提供标准软件开发工作流的技能框架

Superpowers 是由开发者 obra 开源的一款专为 AI 编程智能体（如 Claude Code、Cursor、Codex、Gemini 等）打造的底层技能框架与标准软件开发工作流工具。它基于成熟的软件工程方法论构建，旨在解决当前...

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。...

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...

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...

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，...

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...

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 ...

ZenMux：协同多种AI模型辅助编程的开发工具

ZenMux是一个AI编排开发工具，其核心是Zen MCP（Model Context Protocol）服务器。它允许开发者将一个主要AI（如Claude）与多个其他顶尖AI模型（包括Gemini、OpenAI O3等）连接并协同工作。 ...

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...

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...

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...

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...

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...

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...

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...

SongGeneration：生成高品质音乐和歌词的开源AI模型

SongGeneration 是由腾讯 AI Lab 开发并开源的音乐生成模型，专注于生成高品质的歌曲，包括歌词、伴奏和人声。它基于 LeVo 框架，结合语言模型 LeLM 和音乐编解码器，支持中英文歌曲生成。模型在百万歌曲数据集上训练，能...

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...

Qwen-TTS：支持中文方言和双语的语音合成工具

Qwen-TTS 是由阿里巴巴云 Qwen 团队开发的一款文本转语音（TTS）工具，通过 Qwen API 提供服务。它基于超大规模语音数据集训练，语音输出自然且富有表现力，能自动调整语调、语速和情感。Qwen-TTS 支持普通话、英文，以...

Higgs Audio：生成高质量语音和多角色对话的开源工具

Higgs Audio 是由 Boson AI 开发的一个开源文本转语音（TTS）项目，专注于生成高质量、情感丰富的语音和多角色对话。项目基于超过1000万小时的音频数据训练，支持零样本语音克隆、自然对话生成和多语言语音输出。Higgs A...