AI开源项目

BAGEL 是由 ByteDance Seed 团队开发的一个开源多模态基础模型，托管于 GitHub。它集成了文本理解、图像生成和编辑功能，支持跨模态任务。模型拥有 7B 活跃参数（总计 14B 参数），采用 Mixture-of-Tra...

DeepResearchAgent是SkyworkAI开发的一款开源AI工具，专注于自动化深度研究。它通过结合搜索引擎、网页抓取和大型语言模型（LLM），帮助用户快速生成详细的研究报告。用户只需输入研究主题或问题，工具就能自动搜...

Muscle-Mem 是一个开源的 Python 工具，托管在 GitHub 上，由 pig-dot-dev 开发。它旨在为 AI 代理提供行为缓存功能，帮助减少重复任务中的大语言模型（LLM）调用，从而提高运行速度、降低变异性并节省成本。...

Simple Subtitling 是一个开源的音频字幕生成工具，专注于为视频或音频文件自动生成字幕并标注说话者身份。项目由 Jaesung Huh 开发，托管在 GitHub 上，旨在提供简单高效的字幕生成解决方案。工具通过音频处理技.....

arXiv Summarizer 是一个开源的 Python 脚本工具，托管在 GitHub 上，旨在帮助用户快速从 arXiv 平台获取并生成学术论文的摘要。它利用免费的 Gemini API 进行高效的文本摘要，适合研究人员、学生和学术...

Sim Studio 是一个开源的 AI 代理工作流构建平台，专注于通过轻量、直观的可视化界面帮助用户快速设计、测试和部署大型语言模型（LLM）工作流。用户无需深入编程即可通过拖拽方式创建复杂的多代理应用。它支持本...

Mad Professor（暴躁的教授读论文） 是一个开源的 AI 学术工具，专为研究人员和学生设计，旨在简化学术论文的阅读和分析。它集成了 PDF 处理、AI 翻译、RAG 检索、AI 问答和语音交互等功能。用户可以导入 PDF 论...

AIstudioProxyAPI 是一个开源项目，使用 Node.js 和 Playwright 技术，通过模拟 OpenAI API 的方式，将 Google AI Studio 网页版的 Gemini 模型对话功能转换为标准 API 接...

Step1X-Edit 是一个开源图像编辑框架，由 Stepfun AI 团队开发，托管于 GitHub。它结合多模态大语言模型（Qwen-VL）和扩散变换器（DiT），让用户通过简单的自然语言指令编辑图像，例如更改背景、移除物体或转换风....

Klavis AI 是一个开源平台，专注于简化模型上下文协议（MCP）的使用和集成。MCP 是一种开放标准，允许 AI 应用与外部工具和数据源动态连接。Klavis AI 提供 Slack、Discord 客户端、托管的 MCP 服务器和简...

RealtimeVoiceChat 是一个开源项目，专注于通过语音与人工智能进行实时、自然的对话。用户使用麦克风输入语音，系统通过浏览器捕获音频，快速转为文字，由大型语言模型（LLM）生成回复，再将文字转为语音输出，整...

MiMo 是小米公司开发的一个开源大语言模型项目，专注于数学推理和代码生成。核心产品是 MiMo-7B 系列模型，包含基础模型 (Base)、监督微调模型 (SFT)、从基础模型训练的强化学习模型 (RL-Zero) 和从 SFT 模型训练...

Muyan-TTS 是一个专为播客场景设计的开源文本转语音（TTS）模型。它通过超过10万小时的播客音频数据预训练，支持零样本语音合成，生成高质量的自然语音。模型基于 Llama-3.2-3B 构建，结合 SoVITS 解码器，提供高...

CAD-MCP 是一个开源项目，允许用户通过自然语言指令控制 CAD 软件进行绘图操作。它结合了自然语言处理和 CAD 自动化技术，让用户无需手动操作 CAD 界面，只需输入简单的文字命令即可创建和修改图纸。项目支持多种...

GraphGen 是一个由上海人工智能实验室 OpenScienceLab 开发的开源框架，托管于 GitHub，专注于通过知识图谱指导合成数据生成，优化大语言模型（LLM）的监督微调。它从源文本构建细粒度知识图谱，利用预期校准误差...

ACI.dev 是一个开源基础设施平台，专为 AI 智能体提供与 600 多种工具的快速集成。它通过多租户认证和细粒度权限管理，确保智能体安全访问工具，如 Google Calendar、Slack 和 Brave Search。开发者可通...

llm.pdf 是一个开源项目，允许用户在 PDF 文件中直接运行大型语言模型（LLM）。这个项目由 EvanZhouDev 开发，托管在 GitHub 上，展示了一种创新的方法：通过 Emscripten 将 llama.cpp 编译为 ...

Abogen 是一个开源工具，专为将 ePub、PDF 或纯文本文件快速转换为高质量音频而设计。它使用 Kokoro-82M 模型生成自然流畅的语音，同时支持同步字幕生成，适合制作有声读物、视频配音或学习辅助材料。用户可以选...

Local Deep Research 是一个开源的人工智能研究助手，旨在帮助用户针对复杂问题进行深度研究并生成详细的报告。它支持本地运行，使用户可以在不依赖云服务的情况下完成研究任务。工具结合了本地大语言模型（LLM）...