TAG

开源工具。

共收录 837 款与「开源」相关的 AI 工具，按站内热度排序；每张卡片可直达详情页查看定价、平台支持与同类对比。

RoboGen

RoboGen是一款基于生成式模拟的自动机器人学习平台，核心面向机器人研发、AI训练相关的研究人员与开发人员，通过生成式技术降低机器人技能训练的前期成本。平台支持自动生成多样化仿真任务场景、自主生成训练监督数据、批量产出技能演示样本，可应用于通用机器人技能预训练、多场景机器人适配测试、机器人控制算法迭代等场景，帮助相关从业者减少手动构建训练环境与标注数据的工作量，提升机器人学习研发的效率。

Zoo是Replicate推出的开源文字转图像模型实验平台，核心定位是为AI图像生成爱好者、创作者及开发者提供多模型并行测试与效果对比的在线环境。平台支持稳定扩散系列及多种开源文生图模型调用，可同步展示同一提示词在不同模型下的生成效果，还支持生成参数自定义调整，方便用户比对不同模型的风格适配性。目标用户覆盖AI艺术创作者、设计从业者、AI模型研究人员、内容创作者等，可用于AI图像创作效果测试、模型选型参考、生成参数调试、创意内容原型产出等场景。 · 开源

SwiftSora

SwiftSora是基于OpenAI Sora模型开发的开源人工智能视频生成平台，面向开发者和AI内容创作者提供可本地部署的视频生成服务。平台核心功能包括开源代码托管、一键本地部署引导、文本生成视频、模型参数自定义调整、部署问题社区交流等，支持开发者根据自身需求二次开发修改模型调用逻辑，也能帮助AI内容创作者快速生成符合要求的原创视频内容。目标用户覆盖AI开发从业者、内容创作者、AI技术研究者、视频创作者、开源项目贡献者等，适合在本地搭建专属AI视频生成环境、生成商业宣传短视频、开展AI视频生成技术研究等场景使用。

Scrapegraph-ai

Scrapegraph-ai是基于Python开发的网络抓取库官方文档站，核心定位是帮助开发者借助大语言模型与图逻辑能力，快速构建网站、文档、XML类文件的自动化数据抓取管道。核心功能包括多源数据源的智能抓取适配、自定义抓取规则的灵活配置、抓取结果的结构化输出。目标用户覆盖数据分析师、爬虫开发工程师、学术研究人员等群体，可应用于市场调研数据采集、公开数据集整理、竞品信息合规收集等场景，降低传统爬虫开发的代码编写成本，提升数据提取的匹配精度。 · 开源

Sakana AI

Sakana AI是位于日本东京的AI研究机构，核心定位是探索自然启发式人工智能技术，研发新型基础模型。其核心功能包括自然启发智能基础模型研发、进化式AI系统研究、多模态模型跨领域适配开发，同时开放研究成果白皮书、技术论文及开源工具包下载，面向AI研究人员、高校计算机相关专业师生、AI技术开发工程师、科技企业技术决策层等群体，可用于AI前沿技术研究参考、新型AI系统开发、跨行业AI解决方案落地等场景。

ARGO

ARGO是一款开源的多平台AI客户端，核心定位为用户提供可本地运行的人工智能助手服务，支持自主思考、任务规划、复杂任务处理三类核心能力，所有模型运算过程均在用户设备本地完成，可避免数据上传带来的隐私风险。目标用户覆盖需要处理办公文档、开发编码、内容创作、数据整理等需求的群体，支持Windows、macOS、Linux等主流操作系统，用户无需搭建复杂环境即可快速接入各类大模型，满足日常AI辅助使用需求。 · 开源

CoTracker

CoTracker是面向视频点跟踪任务的开源Transformer模型官方站点，核心功能为支持视频序列的稠密点联合跟踪、长时遮挡场景下的轨迹预测、可扩展的大规模点跟踪部署，目标用户覆盖计算机视觉研究人员、视频内容开发从业者、机器人导航算法工程师等群体，可应用于视频动作捕捉、三维重建、运动分析、自动驾驶场景感知、视频特效制作等多个领域，区别于传统独立点跟踪方法，该模型通过建模点与点之间的空间关联，提升跟踪的精度与鲁棒性，适配长视频、遮挡场景下的跟踪需求。

Omi AI

Omi AI是一款任务驱动的个性化AI助手，核心定位为开源AI记事本，主打语音及音频转录能力，可帮助用户提升记忆留存度与沟通效率。其核心功能包含实时音频转写、智能内容梳理、个性化任务提醒三大模块，面向职场人士、学生群体、内容创作者、会议组织者等多类用户，可应用于日常会议记录、课程内容整理、访谈素材转录、待办事项规划等多种场景，同时全程注重用户数据隐私保护，满足不同群体的内容记录与效率提升需求。 · 开源

MMAudio

MMAudio是基于多模态联合训练技术的视频到音频合成工具站点，核心定位是为用户提供视频与文本输入驱动的同步音频生成服务。站点核心功能包括视频画面特征识别、文本语义音频匹配、音视频时序同步校准，能够适配不同场景下的音频创作需求。目标用户覆盖影视后期从业者、游戏开发人员、短视频创作者、AI技术研究者等群体，可在影视内容音频补全、游戏场景音效生成、短视频背景音制作、多模态技术研发测试等场景中使用，帮助用户提升音频合成的效率与成品质量。

Khoj

Khoj是一款开源AI个人助手工具，核心定位是帮助用户实现个人数据的自主检索与智能交互。其核心功能包括多格式本地数据索引、自然语言对话式查询、可私有化部署的运行模式，能够适配不同用户的数据安全需求。目标用户覆盖知识工作者、学生、个人开发者、内容创作者等群体，可用于个人知识库检索、笔记内容溯源、多文档信息整合、本地私有数据查询等场景，用户可以根据需求选择云端使用或自行部署服务，实现对个人零散数据的高效管理与调用。 · 开源

HyperLLM

HyperLLM是一个专注于小型语言模型开发与微调和训练的开放平台，核心定位是为语言模型研究者和开发者提供低成本的轻量型模型训练与微调服务。平台支持开发者快速完成小型语言模型的即时微调，支持自定义数据集导入，提供开源模型参数下载渠道，支持本地部署适配。该平台面向AI研究人员、NLP开发者、创业团队、学生研究者等用户，可用于快速原型验证、垂直领域模型定制、学术研究实验、小型项目部署等场景。

Llama3-s v0.2

Llama3-s v0.2是由Homebrew Computer Company开发的多模态模型检查点，核心定位为专注语音理解能力优化的开源模型版本。该模型采用语义标记早期融合技术，可实现更稳定的语音特征提取，同时支持用户通过页面内置的实时演示功能直接上传音频测试识别效果，还提供完整的模型迭代日志与技术原理说明。目标用户覆盖AI语音技术开发者、多模态模型研究人员、语音应用产品经理、相关专业高校学生等群体，可用于语音识别效果验证、多模态模型结构调研、语音应用原型开发测试等多个场景。 · 开源

Captum

Captum是面向PyTorch生态的开源模型可解释性工具库，专注于帮助开发人员和研究者理解深度神经网络预测结果的生成逻辑，支持多种数据类型的模型解释工作。核心功能涵盖特征归因、神经元 attribution和模型比较，适配图像、文本、表格等主流数据类型的深度学习模型。目标用户包括AI算法研究者、深度学习开发工程师、高校AI方向师生，适合用于模型调试、论文实验验证、算法改进以及模型透明度提升等场景。

Vector DB Comparison

Vector DB Comparison是面向AI开发人员、数据工程师的免费在线向量数据库对比工具，服务于向量检索和大语言模型应用开发的技术选型环节，可基于多维度参数筛选对比当前主流向量数据库产品。核心功能涵盖多维度参数筛选对比、实时性能数据展示、开源项目信息聚合、部署方式对比筛选、License类型分类整理，帮助用户根据自身项目的技术要求、资源预算和部署环境，快速筛选匹配合适的向量数据库产品，适用于AI应用架构选型、向量检索系统开发前期评估、技术调研方案撰写、大模型RAG系统技术选型等多种场景。

Chainlit

Chainlit是面向开发者的对话式AI应用开发协作平台，核心定位是帮助开发团队完成对话式AI应用从构建、调试到评估、部署的全流程工作。平台提供可观察性工具、协作反馈渠道、 Prompt 工程管理、数据集标注与评估等核心功能，支持主流大语言模型接入，满足不同开发阶段的需求。目标用户包括AI开发工程师、大模型应用产品经理、AI研究人员、创业团队技术开发人员等，适用于企业内部AI助手开发、生成式AI产品原型验证、多轮对话AI功能调试、大模型应用效果评估等场景。

FunAudioLLM

FunAudioLLM是面向语音交互开发场景的开源技术框架，核心目标是优化人类与大语言模型的自然语音交互体验。框架内置SenseVoice多模态语音理解模型与CosyVoice语音生成模型，支持多语种语音识别、情绪识别、音频事件检测、可控语音合成等能力，相关代码与模型权重已开源开放。适合AI应用开发者、语音交互产品研发人员、学术研究人员使用，可应用于智能客服系统搭建、有声内容制作、多语种语音助手开发、语音类AI产品原型验证等多种场景，帮助降低语音交互相关功能的开发门槛。 · 开源

Onboard AI

Onboard AI 是一款专注于代码库智能理解的AI辅助开发工具，核心定位是帮助开发者高效解析陌生代码项目的结构与逻辑。其核心功能包括GitHub仓库一键克隆解析、自然语言代码库问答、代码调用链路自动梳理、依赖关系可视化展示、代码片段精准定位，面向个人开发者、技术团队、开源项目贡献者、技术面试官、代码审计人员等群体，适用于接手新项目快速上手、开源项目二次开发、代码逻辑排查、技术方案评审、代码漏洞排查等多种场景，可降低代码熟悉成本，提升开发环节的工作效率。

MoMask

MoMask是面向3D人体运动生成领域的学术开源项目平台，核心定位是提供文本驱动的3D人体运动生成技术方案与相关资源。平台可实现文本到高保真3D人体运动序列生成，支持文本引导的运动序列局部修复，还可输出分层离散化的运动令牌数据。该项目目标用户包括计算机视觉方向研究人员、3D动画制作从业者、游戏开发人员、数字人开发工程师等，可应用于学术研究对比、动画内容快速制作、数字人动作生成、运动数据预处理等多个场景。 · 开源

Home Assistant Voice

Home Assistant Voice Preview Edition是面向智能家居用户推出的开源本地化语音助手解决方案，核心定位是在保障语音数据隐私的前提下，实现家庭智能设备的语音控制。它支持本地语音指令识别与处理，所有数据无需上传至第三方云端；可对接超千款主流智能家居设备，覆盖灯光、温控、安防等多品类控制需求；同时提供开放的自定义指令配置接口，支持用户根据使用习惯调整触发规则。目标用户包含智能家居爱好者、隐私敏感度较高的家庭用户、智能家居定制服务商，适用于日常居家设备控制、老人儿童便捷操作智能设备、家庭隐私数据合规管理等场景。

ResAdapter

ResAdapter是专为Stable Diffusion等扩散模型打造的分辨率适配工具，核心定位是解决扩散模型固定分辨率生成的限制，支持在不改变原有模型风格域的前提下生成任意分辨率、任意宽高比的图像。核心功能包括动态分辨率适配、风格一致性保持、推理效率优化，无需对原有扩散模型进行重训练即可快速适配。该工具面向AI图像生成从业者、数字艺术家、游戏美术设计师、内容创作者等群体，适用于批量生成不同尺寸的商用设计素材、定制个性化壁纸、制作多规格营销海报、适配不同平台的内容配图等场景，可降低多尺寸图像生成的时间成本。 · 开源

Laminar.ai

Laminar.ai是一个开源全栈AI工程平台，核心定位是从第一性原理出发助力开发者提升大语言模型（LLM）应用开发质量。平台支持多模态模型运行数据追踪、零开销可观测性分析、在线评估与数据集构建三大核心功能，面向AI应用开发者、算法工程师、技术团队负责人等群体，可满足LLM应用开发调试、生产环境运行监控、模型迭代效果验证、多模态模型适配开发等场景需求，同时支持便捷自托管部署，适配不同规模团队的自主可控部署要求。

Pygmalion AI

Pygmalion AI是专注于对话与角色扮演场景的开源大语言模型服务平台，核心定位是为用户提供低门槛的自定义AI互动体验。平台支持用户创建专属AI角色，可自定义角色的性格、背景设定、对话风格，满足不同场景的互动需求；内置多轮对话记忆功能，AI可记住上下文对话内容，保持互动逻辑的连贯性；同时支持社区分享功能，用户可以上传自己创作的AI角色，也可以下载其他用户公开的优质角色模板。平台目标用户涵盖内容创作者、角色扮演爱好者、教育工作者、开发者等群体，可应用于休闲互动对话、创作灵感辅助、教学场景模拟、API二次开发等多种场景。

MotionCtrl

MotionCtrl是一个统一灵活的视频生成控制工具，核心定位是为AI视频生成流程提供精准的运动管控能力。核心功能包括相机运动独立控制、物体运动轨迹引导、多视频生成模型兼容适配三类。工具面向AIGC内容创作者、视频后期制作人员、计算机视觉研究人员等群体，可应用于影视分镜动态预览、动画场景运动设计、AI视频生成效果调优等场景，帮助用户在无需手动逐帧调整的前提下，生成符合运动预期的AI视频内容。 · 开源

OLMo

OLMo是由AI2研究院发布的开源语言模型及配套训练框架，核心定位是为大语言模型领域研究者提供全链路开放的研究资源。其核心功能包括完整开放训练全链路资源，覆盖训练数据、训练代码、模型参数、评估代码等所有环节；内置标准化的模型评估工具，支持多维度的模型效果验证；提供详实的开发文档与协作入口，降低大规模语言模型的研究参与门槛。目标用户覆盖自然语言处理领域研究人员、高校计算机相关专业师生、AI企业算法研发人员、开源AI社区贡献者等群体。可用于大语言模型预训练实验、模型性能对比研究、模型训练流程优化、开源语言模型二次开发等多种科研与开发场景，助力语言模型技术的开放协作与迭代。 · 开源

Joia

Joia是面向团队协作场景打造的轻量级AI协作平台，可作为ChatGPT的替代方案，主打隐私保护与开源特性。平台支持团队管理员统一配置AI访问权限，可针对不同业务场景创建专用聊天机器人并共享给团队成员，同时直接对接OpenAI等大语言模型服务商API，采用按实际消耗令牌计费的模式，降低团队AI使用成本。适合中小团队、企业部门、开源协作团队等群体，在内部知识库问答、业务流程AI辅助、团队项目协作等场景下使用。

Anse

Anse是一款面向开发者和AI使用者的开源AI聊天用户界面，核心定位为可扩展的多模型聚合聊天前端工具。它支持接入OpenAI系列模型与Replicate平台模型，允许用户根据自身需求扩展接入更多AI服务。产品设计围绕简洁高效的交互体验打造，支持本地部署与自定义配置，满足不同用户对AI聊天工具的个性化需求。目标用户包含AI开发者、AI爱好者、企业技术团队等，适用于本地私有AI对话、多AI模型对比测试、自定义AI工作流搭建等使用场景。

Pulsar

Pulsar是AstraMind开发的本地大语言模型运行管理工具，核心定位为帮助用户在个人设备上离线部署、运行和管理各类开源大语言模型，全程无需上传个人数据到云端，保障数据隐私安全。核心功能包括多系统兼容的模型一键部署、个性化AI助手自定义配置、本地离线对话交互。目标用户覆盖AI研发人员、隐私敏感的办公人群、大模型爱好者、学生群体等，可应用于本地私密文档分析、个性化工作助手搭建、离线AI学习实践、敏感内容交互处理等多个场景，让用户在可控的环境中使用大语言模型服务。

SciPhi

SciPhi是一个开源的端到端RAG（检索增强生成）平台，核心定位是为开发者提供完整的RAG系统搭建、部署与优化全流程工具。平台提供模块化的开发框架，支持多数据源接入与向量库适配，同时兼容自托管与云部署两种模式。目标用户覆盖AI应用开发者、企业技术团队、科研人员、AI项目创业者等群体，可应用于企业内部知识库问答系统搭建、大模型应用RAG模块开发、学术文献检索增强生成系统落地、垂直领域AI助手开发等场景，帮助用户降低RAG系统的开发门槛，提升系统搭建与迭代效率。

Open Source LLM Tools

Open Source LLM Tools是一个聚焦开源大型语言模型领域的资源聚合平台，核心定位为开发者、研究者提供开源LLM相关工具的整理与检索服务。平台提供工具分类筛选、活跃度标注、项目详情跳转三大核心功能，覆盖模型训练、推理部署、评测评估、prompt工程等多个LLM应用方向，面向AI开发者、科研人员、产品经理、高校学生等群体，可用于项目技术选型、前沿技术调研、学习资源查找等多种场景，帮助用户高效获取开源LLM生态的相关资源。

Glaze

Glaze是芝加哥大学计算机科学团队研发的艺术作品风格保护系统，核心定位为帮助艺术家抵御AI模型未经授权的风格模仿。其核心功能包括艺术作品微扰处理、AI风格混淆防护、多格式作品支持三大模块，面向职业插画师、独立艺术家、美术院校学生、艺术工作室等用户群体，可应用于作品公开发布前的预处理、个人作品集上传防护、参展作品版权附加防护等场景，在不改变作品人类视觉呈现效果的前提下，干扰AI模型的风格特征提取逻辑，降低作品风格被未经许可复刻的风险。

GameNGen

GameNGen是基于神经模型开发的游戏引擎技术演示站点，核心定位为展示AI驱动的游戏实时交互与内容生成技术能力。核心功能包括《DOOM》游戏神经模拟交互演示、双阶段训练框架技术说明、模拟画质与真实游戏对比测试展示，面向游戏开发从业者、AI生成技术研究者、游戏技术爱好者群体，可用于技术调研、学术参考、前沿游戏技术体验等场景。该引擎能够实现复杂游戏环境的实时交互输出，长序列生成过程中画质稳定性表现良好，为未来AI原生游戏的开发路径提供了可参考的技术方案。

TangoFlux

TangoFlux是开源的文本到音频（TTA）生成模型平台，核心定位是为音频生成领域的研究者、开发者提供高效、对齐能力强的音频生成技术方案。核心功能包括基于CRPO框架的高对齐度文本转音频生成、30秒44.1kHz高音质音频快速生成、全开源的模型与代码资源开放。目标用户覆盖音频领域研究者、AI应用开发者、内容创作者、高校计算机相关专业学生等，可用于学术研究验证、音视频内容音频素材生成、AI音频应用原型开发、课程实践项目搭建等场景。 · 开源

DUSt3R

DUSt3R是Naver Labs Europe推出的3D重建技术官方网站，核心为无约束密集立体3D重建算法服务。网站提供算法原理详解、在线Demo体验、预训练模型下载、部署教程等核心功能，面向计算机视觉研究人员、3D内容创作者、机器人研发工程师、VR/AR开发人员等用户群体，可应用于室内外场景三维重建、数字孪生模型制作、自动驾驶环境感知、影视虚拟场景搭建等多个工作场景，无需用户提前掌握相机校准或视点姿态相关专业知识，即可实现从任意图像集合到3D模型的转换。 · 开源

SPDL

SPDL是Meta Reality Labs推出的可扩展高性能AI数据加载解决方案，核心定位是解决大规模AI模型训练中的数据加载瓶颈问题，核心功能包括基于线程的并行数据加载、Free-Threaded Python兼容适配、无缝对接现有AI训练框架。主要面向AI算法研发人员、大模型训练工程师、机器学习框架开发者，可应用于计算机视觉、自然语言处理、多模态模型等各类AI训练场景，帮助优化训练流程，提升GPU资源利用率。 · 开源

All Hands AI

All Hands AI 是专注于软件开发领域的开源AI代理工具，核心项目为OpenHands，依托人工智能技术为开发者提供代码相关的智能化辅助能力。其核心功能包括多语言代码生成与修改、GitHub生态深度集成、自动化测试与错误修复，同时支持云端服务与本地部署两种使用模式。目标用户覆盖个人开发者、技术团队、开源项目维护者、企业开发部门等群体，可应用于日常功能开发、Bug快速修复、开源社区Issue处理、CI/CD流程自动化等多种开发场景，帮助开发者减少重复性工作，优化开发流程。 · 开源

Agenta

Agenta是一个开源的LLMOps平台，核心定位为帮助开发团队和AI研究者构建、测试、部署并迭代基于大语言模型的人工智能应用。平台提供prompt版本管理、本地调试、数据集标注、性能评估以及一键部署等核心功能，支持开发者围绕大语言模型完成从原型到生产的全流程工作。目标用户包括AI应用开发者、大模型研究人员、创业团队AI开发组、企业AI部门、NLP研究者以及开源AI工具贡献者，适用场景包括prompt工程调优、LLM应用原型开发、企业内部AI工具部署、大语言模型应用测试评估等。

Confident AI

Confident AI 是面向大语言模型应用开发者的开源评估基础设施平台，核心定位是为LLM应用的性能验证与生产落地提供全链路支持。平台支持用户自定义测试用例完成LLM输出评估，内置多维度开源性能指标可量化模型表现，同时提供版本差异跟踪与全链路监控能力。目标用户覆盖LLM应用开发工程师、算法研究员、AI产品经理等群体，可应用于LLM应用原型验证、迭代优化、上线前性能校验、生产环境稳定性监测等多种场景，帮助开发者明确模型优化方向，降低LLM投产的不确定性。 · 开源

漫话开发者UWL.ME

漫话开发者UWL.ME是聚焦人工智能前沿科技与开源产品的垂直内容平台，核心定位为AI领域信息聚合与行业交流站点。平台提供AI技术动态更新、开源产品深度评测、技术落地案例拆解三类核心内容，目标用户覆盖AI开发者、开源项目参与者、科技行业从业者、高校计算机相关专业学生等群体，可满足用户日常获取行业资讯、学习AI落地经验、筛选适配开源工具、拓展行业认知等多场景需求，同时搭建了内容评论与社群交流渠道，方便用户围绕技术话题开展讨论。

Recall

Recall是一款基于AI的个人知识整理平台，核心定位是帮助用户自动对各类浏览信息进行总结、组织并连接，构建个人结构化知识库。它支持浏览器扩展抓取网页内容，自动提取核心观点生成摘要，可对内容进行标签分类与关联链接，还支持全文检索快速定位知识。目标用户涵盖学生、科研人员、内容创作者、互联网从业者等需要积累整理知识的群体，适合日常浏览资讯、文献阅读、课程学习、项目调研等场景下的知识沉淀，解决信息零散难以复用的问题。

Mastra

Mastra是由Gatsby团队打造的面向TypeScript开发者的开源智能体框架，核心定位是通过统一API和工具链，帮助开发者快速构建、测试、部署具备记忆、工具调用、工作流编排等能力的AI应用。核心功能包括统一模型路由，支持一键切换多家大模型无需改动业务逻辑；内置完整RAG链路，可一站式实现文档向量化与检索；配套本地Playground支持实时调试，还能一键部署到多个Serverless平台。目标用户为TypeScript全栈开发者、AI应用开发人员、企业技术团队，可应用于企业知识问答机器人搭建、SaaS产品AI助理嵌入、多步骤业务流程自动化等多个场景。 · 开源

Bakery

Bakery是聚焦开源AI模型微调与变现的在线服务平台，核心定位是降低AI模型商业化落地的技术门槛，平台支持开源AI模型一键微调、自定义数据集上传管理、模型成果市场上架三大核心功能，面向AI初创企业、机器学习工程师、AI研究人员、独立AI开发者等群体，可应用于垂类行业模型定制、个人AI工具商业化、学术研究成果落地等多元场景，助力技术创作者将模型能力转化为实际收益。

AiEditor

AiEditor是一款开源的AI驱动富文本编辑器，支持Markdown语法与私有部署，面向开发者与内容创作者提供可定制化的在线编辑解决方案。核心功能包含AI辅助内容创作、Markdown与富文本双向转换、私有化数据存储、多端适配编辑、插件扩展支持等，满足开发者二次开发、企业搭建内部内容系统、个人创作长文内容等多种使用场景，可根据自身需求调整编辑器功能与部署方式，保障数据安全的同时提升内容创作效率。

Amazon Q

Amazon Q是AWS推出的AI助手平台，核心定位是为开发者和企业用户提供基于AWS生态的智能辅助服务。其核心功能包括代码生成与补全、AWS架构咨询、企业知识问答、数据分析辅助，能够帮助用户更高效地使用AWS服务解决技术问题。该工具面向AWS开发者、运维工程师和企业IT团队，适用于代码开发、云架构设计和企业知识管理等场景。

oprel

oprel是Oprel团队开发的高性能Python库，主要面向需要在本地部署运行大语言模型的开发者与技术团队。核心功能包括生产级运行时支持、进阶内存管理机制、混合卸载策略以及全模态模型适配能力。目标用户覆盖AI应用开发者、机器学习研究人员、企业AI技术团队等群体，可应用于本地LLM应用原型开发、离线AI服务部署、低资源设备模型推理、多模态AI功能测试等多个场景，帮助用户在自有硬件环境下稳定运行各类大语言模型，降低对云端API的依赖。 · 开源

Browser Use

作为开源AI浏览器自动化框架，专注于为开发者和RPA场景提供AI驱动的浏览器操作能力，支持自主导航网页、表单填写、数据提取等功能，搭配反检测、多LLM适配、全球代理等特色能力，广泛用于网页搜索、在线购物、数据采集、网站测试等场景。 · 开源

NVLM

NVLM是一个开源多模态大型语言模型项目站点，核心定位为向学术研究与产业开发群体提供高性能的视觉-语言融合模型资源。项目核心功能包含多模态模型权重开源下载、训练推理代码仓库访问、模型性能基准测试结果公开，同时配套模型适配与二次开发指导文档。目标用户覆盖AI领域研究人员、应用开发工程师、高校相关专业师生等群体，可应用于多模态任务性能对比、定制化视觉理解应用搭建、多模态模型技术原理研究等多个场景，为多模态大模型技术落地与学术探索提供可复用的基础资源。 · 开源

F5-TTS

F5-TTS是一个基于人工智能技术开发的文本转语音开放平台，面向需要高质量语音输出的开发者与内容创作者提供服务。平台核心支持自然流畅的语音生成、高精度语音克隆以及多语言文本转语音能力，同时开放了模型参数与部署方案供技术用户二次开发。目标用户涵盖内容创作者、本地化运营人员、AI开发者、有声读物制作人、无障碍服务开发者等，可应用于有声内容制作、个性化语音助手开发、多语言本地化配音、语音克隆定制等多个场景。

Higress.AI

Higress.AI是面向AI原生场景打造的开源API网关，专注于AI Agent开发与大语言模型（LLM）API管理服务。平台提供统一的流量管控、多模型路由、token用量统计等核心能力，支持开发者将不同来源的LLM接口统一接入管理，降低AI应用开发的复杂度。核心功能覆盖多LLM提供商聚合、请求路由分发、访问权限管控、流量控制以及可观测性数据统计，适合AI应用开发团队、AI Agent创业者、企业AI部门等群体使用，可满足AI应用上线前接口统一管理、生产环境流量管控、多模型调度开发等场景需求。

智元灵犀X1开发指南

智元灵犀X1开发指南是面向智元灵犀X1开源人形机器人的官方开发文档站点，核心定位是为机器人开发相关从业者、爱好者提供体系化的开发指导资源。站点内包含硬件参数详解、开发环境搭建教程、开源代码调用示例三类核心内容，目标用户覆盖高校科研人员、机器人开发工程师、教育领域的实训指导人员以及个人机器人爱好者，可应用于机器人技术研发、课程实验设计、二次功能开发、硬件扩展适配等多种场景，帮助用户全面掌握灵犀X1机器人的开发逻辑与实现路径。

SMRY

SMRY是一款AI智能摘要工具，核心定位是帮助用户快速提取长文本核心信息，降低信息获取的时间成本。核心功能包括链接导入生成摘要、内容付费墙绕过、多场景文本摘要生成、多浏览器适配支持。目标用户覆盖内容创作者、学生、职场人士、研究者等群体，适用于学术文献速读、行业报告信息提取、新媒体内容选题参考、日常资讯快速浏览等场景，无需复杂操作即可完成长内容的信息浓缩。 · 开源

api-usage

api-usage是一款专注于OpenAI API使用量与成本统计分析的开源工具，核心定位是帮助用户清晰掌握API调用的资源消耗情况。核心功能涵盖多模型成本核算、多维度数据可视化、调用趋势分析三类，支持ChatGPT、GPT-4、Whisper、文本嵌入等主流OpenAI模型的成本统计，无需上传密钥即可在本地完成数据处理。目标用户包含AI应用开发者、企业技术运维人员、个人AI项目创作者等，适用于日常API调用成本核算、项目资源预算规划、异常调用流量排查等多种场景。 · 开源

Greptile

Greptile是面向代码库的AI查询与分析工具，核心定位是帮助开发者快速理解、检索大型代码项目。其核心功能包括代码库语义检索、自然语言生成代码解释、跨仓库关联分析，目标用户覆盖前端开发、后端开发、架构师、开源贡献者等技术从业者，可用于接手陌生项目快速梳理逻辑、排查历史代码Bug、梳理开源项目技术架构、跨团队协作代码评审等场景，降低大型代码项目的理解成本。

献丑AI视频开源社区

献丑AI视频开源社区是聚焦AI视频领域的垂直开源社区，核心定位为搭建AI视频创作、技术分享、作品交流与项目复刻的开放平台。社区支持用户上传发布自主创作的AI视频作品，分享对应的生成提示词、模型参数与工作流文件，提供开源项目托管与技术讨论空间，同时汇集各类热门AI视频的复刻方案供学习者参考。目标用户覆盖AI视频创作者、AI技术学习者、开源项目贡献者与视频内容爱好者，适合用于AI视频创作经验交流、热门项目复刻学习、开源技术协作开发以及作品展示推广等场景。

IP-Adapter

IP-Adapter是面向文本到图像扩散模型的轻量化适配工具，核心为预训练扩散模型提供图像提示支持，助力多模态图像生成任务。其核心功能包括解耦交叉注意力机制设计、多类可控生成工具兼容、多模态提示融合生成三类，目标用户覆盖AI图像生成研究者、AIGC应用开发者、视觉创意设计师、计算机视觉方向学生等群体，可应用于定制化图像生成、多模态创意落地、扩散模型功能扩展、批量图像风格迁移等场景，帮助用户在现有文本生成图像模型的基础上，低成本接入图像参考能力，提升生成结果的匹配度。 · 开源

Spirit LM

Spirit LM是由研究团队推出的基础多模态语言模型，核心定位是实现文本与语音模态的自由混合交互。核心功能包括文本语音统一令牌流处理、少样本跨模态任务适配，以及两种不同特性的版本选择适配不同需求。目标用户涵盖自然语言处理研究人员、语音技术开发人员、多模态应用开发者、AI模型研究学习者等群体。使用场景包括语音识别模型优化、语音合成方案研发、多模态对话系统搭建、语音情感分析项目开发、跨模态任务迁移研究等多个方向，可帮助用户探索文本与语音模态融合的技术落地路径。 · 开源

Craft Agents

Craft Agents是Craft推出的开源桌面端AI代理工作平台，核心定位是为用户提供可灵活自定义的AI工作流管理能力。平台支持接入不同厂商的API接口与MCP服务器，可同时调度多个AI代理执行并行任务，还支持通过可视化配置或代码编写自定义工作流程。目标用户覆盖AI应用开发者、内容创作者、企业运营人员、科研工作者等群体，可应用于多模型联合内容生成、自动化数据处理、批量任务调度、个性化AI助手搭建等场景，帮助用户降低AI工具集成成本，提升复杂任务的处理效率。

DreaMoving

DreaMoving是基于扩散模型的可控制视频生成框架，核心定位为定制化人类舞蹈视频生成工具。核心功能包括支持用户上传目标人物身份图像、输入指定姿势序列即可生成对应人物跟随姿势跳舞的视频，搭载视频控制网络实现精准运动轨迹控制，搭配内容导引器保留人物身份特征。目标用户覆盖AI视频创作者、数字内容设计师、舞蹈爱好者、科研人员等群体，使用场景包括虚拟偶像舞蹈内容制作、短视频创意内容生成、AI视频生成技术研究、个人趣味舞蹈视频创作等领域，可适配多数风格化扩散模型，满足多样化生成需求。 · 开源

YOLO-NAS Pose

YOLO-NAS Pose 是依托 SuperGradients 平台推出的开源 PyTorch 计算机视觉模型训练库，核心定位为降低计算机视觉模型开发与落地的技术门槛。平台内置经过验证的预训练模型、标准化训练脚本与开箱即用的任务示例，支持人体关键点检测、图像分类、目标检测、语义分割等多类视觉任务开发，用户可便捷加载预训练权重并结合自有数据集完成微调，无需从零搭建训练框架。该工具面向计算机视觉算法工程师、AI 应用开发者、高校科研人员、深度学习学习者等群体，适用于工业级视觉应用落地、学术研究模型复现、课程实训项目开发、小样本模型快速迭代等场景，可帮助用户减少训练框架搭建工作量，降低模型调参的不确定性。

LabelU

LabelU是由OpenDataLab推出的开源数据标注工具，核心定位是为AI研发相关从业者提供多模态数据标注解决方案。核心功能包括多模态数据统一标注、多种标注类型支持、标注结果一键导出，目标用户覆盖算法工程师、数据标注员、高校AI专业师生、AI创业团队研发人员等，可应用于计算机视觉模型训练数据集制作、语音识别模型语料标注、多模态大模型训练数据预处理等多个场景，帮助用户规范完成数据标注流程，提升标注数据的可用性。 · 开源

Airbyte

Airbyte是一款开源数据集成平台，核心定位为帮助不同角色用户完成数据抽取、加载（ELT）、数据复制以及AI训练数据准备工作。平台支持从各类结构化与非结构化数据源抽取数据，完成转换处理后加载到目标数据仓库、数据湖或其他存储系统，同时支持预处理数据以满足AI模型训练的需求。平台提供自定义连接器开发、预置全品类数据源连接、数据同步调度、数据预处理等核心功能，目标用户覆盖数据工程师、机器学习工程师、数据分析师、企业数据团队、开源开发者、独立技术创业者等，适用于企业数据管道搭建、多源业务数据整合、AI训练数据集构建、业务系统数据迁移等多种业务场景。