TAG
开源 工具。
全部标签共收录 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。
CHOIS
CHOIS全称为Controllable Human-Object Interaction Synthesis，是面向人机交互动作生成领域的开源技术项目，核心定位是可控的人与物体交互动作合成工具。核心功能包括根据自然语言描述生成对应的人与物体协同运动序列、结合初始状态与稀疏路径点约束输出符合物理规则的交互动作、通过接触约束保障手物交互与地面支撑的合理性。目标用户覆盖计算机图形学研究者、游戏动画开发人员、虚拟场景制作从业者、机器人运动规划研发人员等，可应用于3D动画内容制作、虚拟数字人交互动作开发、机器人行为模拟训练、元宇宙场景交互内容搭建等场景，帮助用户降低复杂交互动作的制作与研发成本。
ViViD
ViViD是专注于视频虚拟试穿技术的学术类工具网站，核心是基于扩散模型打造的视频虚拟试穿新框架，可实现服装在目标视频人物身上的自然迁移效果。该框架包含服装语义特征提取、时空一致性保障两大核心模块，同时配套提供大规模视频虚拟试穿数据集，面向计算机视觉领域研究者、虚拟试穿技术开发人员、服装电商技术团队等群体，可支持学术研究验证、技术落地测试、相关应用原型开发等多场景使用需求。
PSHuman
PSHuman是专注于单张图像3D人体重建的技术框架展示站点，核心基于多视图扩散模型与显式重构技术，可从普通单张人像照片生成高还原度的3D人体模型。站点核心功能包含单图3D人体重建演示、重建效果可视化对比、技术论文与开源代码资源下载，主要面向计算机视觉领域研究者、3D内容创作者、游戏动画开发人员等群体，可应用于数字人制作、影视角色建模、人体姿态分析等多个场景，无需多视角拍摄设备即可完成人体3D数据的快速生成，降低3D人体资源制作的前期采集成本。
MAmmoTH-VL
MAmmoTH-VL是面向多模态推理领域的学术研究与应用支撑平台，核心面向多模态大模型研发人员、数学教育相关从业者、AI研究学者等群体。平台搭载基于指令调优优化的多模态大语言模型，可支撑多模态数学题解析、跨模态推理任务评测、推理过程可解释性分析三类核心需求。用户可通过平台体验模型对图文结合数学题的解答过程，也可获取开源数据集用于相关模型训练，还能借助基准测试结果对比不同多模态模型的推理能力，适合学术研究、教育工具开发、多模态模型迭代等场景使用。 · 开源
BlinkShot
BlinkShot是一款基于Together AI打造的实时AI图像生成工具，依托Flux技术实现提示词输入后的毫秒级图像生成响应，产品完全免费且源代码开源。核心功能包含实时同步生成、多风格参数调节、生成结果批量导出，主要面向创意设计从业者、独立开发者、内容创作者等群体，可应用于平面设计原型快速出稿、创意灵感快速可视化、开发项目素材批量生成等场景，帮助用户降低AI图像生成的等待成本，提升创意落地的效率。
ROCKET-1
ROCKET-1是专注于开放世界具身决策场景的视觉-语言模型，核心定位是打通视觉语言大模型与具身策略模型的通信链路，提升智能体在开放交互环境中的任务完成能力。核心功能包括视觉-时间上下文提示协议构建、多帧观测对象分割引导、长序列复杂任务推理调度三类，主要面向人工智能研究人员、具身智能开发人员、开放世界游戏AI开发人员等群体，可应用于虚拟世界智能体训练、机器人具身决策算法验证、复杂开放环境任务推理研究等场景，为具身智能领域的视觉语言融合方案提供可参考的实现路径。
CAP4D
CAP4D是基于可变形多视图扩散模型打造的4D人像化身生成技术平台，核心面向数字内容创作、3D建模相关从业者与研究人员。平台支持多参考图像输入生成不同视角、表情的人像画面，可将生成内容适配为可控4D化身，同时提供开源代码供技术研究与二次开发。用户可在游戏角色制作、虚拟主播形象定制、VR场景数字人搭建等场景中使用该技术，降低4D数字人创作的技术门槛，提升数字人建模的还原度与渲染效率。 · 开源
xPrivo
xPrivo是一款开源免费的本地运行匿名AI聊天工具，核心定位是为用户提供无数据泄露风险的AI交互服务。其核心功能包括本地端侧模型推理、对话全程匿名无痕迹、多模型适配支持，无需上传对话内容至云端服务器。目标用户覆盖注重隐私保护的普通网民、从事敏感内容创作的从业者、需要处理内部信息的企业员工等，适用于日常问题咨询、私密内容创作、涉密信息梳理等多种对话场景，所有交互过程仅在用户自身设备完成，不会产生云端数据留存。 · 开源
Trigger.dev
Trigger.dev 是面向开发者的开源背景工作平台，核心定位是简化异步任务的部署与运维流程，帮助开发者专注于业务逻辑实现，无需处理底层基础设施相关工作。平台支持无超时长任务运行、实时运行状态监控、零基础设施管理三类核心功能，目标用户覆盖后端开发、全栈开发、DevOps 工程师等技术从业者，可应用于异步接口调用、批量数据处理、定时任务调度、长耗时 AI 模型推理结果回调等多个开发场景，降低长周期任务的运维成本。
Nexonauts
Nexonauts是面向开发者的一站式资源与交流平台，集合开发工具、网页主题、代码模板和开发者社区多个板块，为不同开发方向的从业者提供资源获取与经验交流服务。平台支持开发者按开发场景筛选匹配的资源，也支持用户分享自制资源，可满足开发项目启动阶段的资源准备、开发过程中的工具调用以及开发后经验交流等多种需求。
GauHuman
GauHuman是面向3D数字人领域的高斯人体建模开源项目，核心定位为实现高效的3D人体重建与实时渲染。核心功能包括1-2分钟快速训练3D人体高斯模型、最高189FPS的实时高保真渲染、支持多姿态下的人体细节还原。目标用户覆盖计算机视觉研究者、3D内容创作者、游戏开发人员、数字人从业者、动画制作人员等。可应用于数字人直播模型构建、游戏角色资产制作、影视动画人物渲染、3D人体动作捕捉后处理等场景，相较于传统NeRF类方案大幅降低建模时间成本，提升渲染效率。 · 开源
Trajectory Consistency Distillation (TCD)
Trajectory Consistency Distillation（简称TCD）是专注于文本到图像合成领域的一致性蒸馏技术展示站点，核心定位是为AI图像生成领域的研究者、开发者提供新型蒸馏技术的原理说明、效果演示与相关资源下载服务。站点核心功能包括TCD技术原理的系统拆解、不同参数下的生成效果对比展示、相关论文与开源代码的获取渠道汇总，以及不同基准模型的消融实验数据呈现。目标用户覆盖AI生成模型研发人员、高校计算机视觉方向师生、AIGC应用开发从业者，可用于学术研究参考、模型性能优化、技术选型评估等多个场景，帮助相关人员快速了解该蒸馏技术在减少图像合成错误、提升低推理步数下生成质量方面的实际表现。 · 开源
Livinity
Livinity是一款开源的云端AI电脑与自托管操作系统平台，面向开发者、数字游民、企业技术团队等群体提供可远程访问的云端计算环境。核心功能支持云端虚拟电脑部署、自托管镜像自定义、多终端同步访问、AI算力集成以及开源社区协作开发，可满足远程办公、离线计算环境搭建、AI模型本地推理、个人隐私计算环境部署等多种使用场景，帮助用户摆脱本地硬件限制，灵活构建符合自身需求的计算操作系统。
Batteries Included
Batteries Included是面向现代服务开发的全功能开发部署平台，主打源代码开放的一站式项目生命周期管理解决方案。平台基于开源技术栈构建，支持多种容器化部署方案，内置自动化安全运维与更新机制，可帮助开发者降低服务搭建与运维的复杂度。其核心功能包含多环境部署适配、内置AI开发辅助、统一身份认证集成，目标用户覆盖后端开发者、DevOps工程师、创业团队技术负责人、中小型企业运维人员等，可应用于微服务项目搭建、企业内部系统部署、个人开源项目上线、AI应用落地等多种开发场景，在保障数据隐私的同时帮助团队控制研发与运维成本。
Aurora Terminal Agent
Aurora Terminal Agent是一款免费开源的AI终端助手，核心定位为帮用户优化终端命令行交互体验，降低命令行操作门槛。它支持智能命令建议生成、命令错误修正、命令功能解释、多终端适配、个性化配置等核心功能，面向开发人员、运维工程师、编程学习者、系统管理员、技术爱好者等用户，可应用于开发环境搭建、日常服务器维护、脚本编写调试、陌生命令查询、错误命令修复等多种场景。
Tracardi
Tracardi是一款开源客户数据平台，核心定位是帮助企业整合多渠道客户数据，通过智能化营销流程实现客户互动优化。核心功能包括多触点客户数据统一采集与治理、可视化客户旅程自动化编排、实时个性化互动触发，支持企业打通分散的客户数据孤岛，构建统一客户画像。目标用户覆盖电商运营人员、数字营销团队、企业IT开发人员、客户成功团队等，可应用于电商用户全生命周期运营、品牌多渠道营销活动触达、SaaS产品客户留存提升、线下零售会员体系精细化运营等多个场景，助力企业基于数据优化客户体验，提升业务转化效率。
Thepanel
Thepanel是一个开源的用户行为分析平台，作为Mixpanel的替代方案，可为网页和移动应用提供私有化部署的行为数据采集与分析能力。平台支持自定义事件追踪、用户分群管理、数据报表生成、漏斗转化分析等核心功能，支持私有化部署保障数据安全，适配不同规模的产品开发团队与数据分析需求。目标用户涵盖独立开发者、创业团队、中大型企业产品部门，适合需要自主掌控用户行为数据、进行产品转化分析、用户路径优化的场景。
Tindie
Tindie是面向创客、硬件开发者与手工创作者的第三方交易平台，核心定位是为小众硬件创作产品提供展示与交易渠道，区别于大型综合电商平台，平台专注支持独立创作者售卖自制电子模块、开源硬件原型、定制手作电子配件等小众产品。核心功能包含创作者店铺开设、产品定制对接、开源项目周边售卖、交易担保服务等。目标用户覆盖开源硬件开发者、手工创客、电子DIY爱好者、学生创客团队、小众电子收藏爱好者等群体，适用于创客售卖自制原型产品、DIY爱好者选购小众电子配件、开发者对接定制硬件需求等多种使用场景。
AI Agents Directory
AI Agents Directory是一个聚合各类AI代理工具的垂直导航目录平台，核心定位是帮助用户发现、筛选和对比不同类型的AI代理工具，为工具选型与落地提供参考支持。平台整理了来自不同开发团队的AI代理产品，覆盖办公自动化、内容创作、数据处理、客户服务等多个领域的工具资源，支持用户按照场景、功能、开发框架等维度筛选工具。目标用户包括开发人员、产品经理、企业决策者、自由创作者、AI爱好者等，适合需要寻找合适AI代理工具完成特定任务、调研行业发展现状、对比同类工具差异的使用场景。
Markup
Markup是一款开源的文档标注工具，核心定位为帮助用户将非结构化的文档内容转换为规范化的结构化数据。它支持多种类型文档的自定义标注任务，可根据用户需求设置标注规则，支持团队协作完成标注项目，适配不同领域的数据整理需求。核心功能包含自定义标注 schema 配置、团队协作标注、数据集导出、版本管理、模型辅助标注等，目标用户覆盖人工智能算法团队、数据处理公司、学术研究人员、独立开发者等，适用于大语言模型训练数据整理、计算机视觉数据集标注、学术研究数据预处理、企业非结构化文档归档等多种场景。
Manifest
Manifest是一款面向OpenClaw框架打造的开源LLM路由工具，核心定位为帮助开发者和企业优化大语言模型调用成本与性能。它支持根据不同请求特征智能分配大语言模型调用路径，可自动匹配最适合的模型来完成任务，无需手动切换不同模型接口，最高可降低70%的大语言模型调用成本。其核心功能包含智能路由分配、多模型管理、成本统计分析、自定义路由规则、开源二次开发等，主要服务于使用大语言模型开发应用的开发者、AI创业团队、企业AI应用部门等，适合搭建多模型AI应用、控制模型调用成本、优化模型调用响应速度等场景使用。
MarkDX
MarkDX是一款开源的AI赋能Markdown编辑器，核心定位为帮助用户高效完成标准化Markdown内容创作与协作。核心功能包括AI辅助内容校对修正、多格式文档导出、实时团队协作编辑，同时支持代码生成、多语言翻译等扩展能力。目标用户覆盖内容创作者、技术开发者、学术研究者、团队项目负责人等群体，可应用于技术文档撰写、博客内容编辑、项目 README 编写、学术笔记整理、团队协作输出文档等多种场景，能够帮助用户降低Markdown格式调整成本，提升内容创作与协作的效率。 · 开源
Flojoy
Flojoy是一个支持云连接的开源硬件测试和自动化平台，面向硬件开发领域从业者提供硬件测试流程搭建、自动化数据采集与分析等服务。核心功能包含可视化自动化流程编排、云端硬件数据同步存储、开源社区自定义组件扩展、批量硬件测试执行、实时数据可视化展示等，可以满足硬件原型验证、量产批次抽检、研发阶段性能测试等多场景需求，帮助用户搭建适配自身需求的硬件测试自动化体系。
Webcrumbs
Webcrumbs是一款面向前端开发者、设计师及非技术人员的开源AI网页开发工具，核心定位是降低网页开发门槛，实现组件化的网页搭建模式。平台支持跨主流前端框架的组件生成，可通过自然语言或设计稿一键生成可复用UI代码，同时搭载插件市场与无代码管理面板。目标用户覆盖前端开发人员、UI设计师、企业非技术岗位人员、初创团队成员、营销运营人员、开源社区维护者等，可应用于MVP原型开发、企业内部系统搭建、设计稿转代码、营销落地页制作、开源站点功能扩展等多个场景。 · 开源
MangaNinja
MangaNinja 是专注于动漫线稿智能上色的学术研究落地工具，核心定位为面向动漫创作领域的AI上色解决方案。它搭载参考引导上色、交互式点控色彩调整、多参考色彩协调三大核心功能，支持用户通过参考图快速为线稿匹配风格化色彩，还能针对局部区域进行精细化调色。目标用户覆盖动漫创作者、插画师、动画制作团队、学术研究人员等群体，可应用于漫画连载上色、动画分镜色彩预演、同人创作快速出图、AI上色算法研究等多个场景，帮助用户提升线稿上色的效率与色彩还原精度。
DevCV
DevCV是一个面向软件开发者的简历生成工具，核心定位是基于开发者GitHub个人资料，自动生成符合行业标准的专业开发简历，并支持AI对简历内容进行优化增强。核心功能包含GitHub数据同步抓取、AI内容增强优化、多模板简历切换导出、自定义内容编辑、职位关键词匹配等。目标用户覆盖应届开发毕业生、求职换工作的在职开发者、需要更新项目履历的开源贡献者等，适用场景包含社招求职准备简历、校招秋招春招生成开发简历、梳理个人项目成果更新职业档案等。
Penify.dev
Penify.dev是一款面向开发团队与个人开发者的Git仓库文档自动化工具，核心定位是通过AI自动生成和更新代码仓库的技术文档，减少开发者手动撰写文档的时间投入。核心功能包含Commit信息自动解析、API文档自动生成、变更内容对比更新、多格式文档导出以及仓库分支同步适配，可帮助开发者在代码迭代过程中保持文档与代码版本一致，适用于日常开发迭代、开源项目维护、团队协作开发等多种场景。
FreeControl
FreeControl是由GenForce团队推出的文本到图像生成控制工具，核心定位为无需额外训练即可实现多维度图像生成管控的技术方案。核心功能包括结构引导对齐，可参考指定图像的空间布局、物体位置关系生成符合描述的新图像；外观共享功能，使用相同种子生成的不同内容图像可保持一致的纹理、色彩风格；同时支持适配多种主流文生图模型架构与预训练权重。目标用户覆盖AI图像创作者、计算机视觉研究人员、设计从业者等群体，可用于批量生成风格统一的设计素材、调整文生图输出的构图合理性、开展文生图控制机制相关的学术实验等场景。
Stablecog
Stablecog是一款多语言开源AI图像生成工具，基于稳定扩散与康定斯基算法开发，核心定位为面向创意人群的图像创作辅助工具。其核心功能包括文本生图、多风格参数调节、生成历史批量管理，支持用户通过自然语言描述快速生成对应视觉作品。目标用户覆盖艺术创作者、平面设计师、内容运营人员、在校设计类学生等群体，可应用于插画创作初稿产出、营销素材创意原型制作、个人创意灵感可视化、设计项目风格探索等多种场景，无需本地部署复杂运行环境即可在线使用。
Orca
Orca是一款面向AI开发人员的开源并行AI编程智能体开发环境，支持开发者在统一框架内完成多智能体的并行开发、调试与部署。核心功能包括并行任务编排、环境隔离调试、开源社区扩展、自定义智能体逻辑开发以及预训练智能体集成，适合AI研发人员、智能应用开发者、开源贡献者使用，可应用于多智能体协作系统开发、AI编程任务并行处理、智能体功能测试验证等场景。
LM-Kit.NET
LM-Kit.NET是面向.NET开发平台的大型语言模型SDK工具，可为C#和VB.NET开发人员提供生成式AI集成能力。该工具支持本地部署大语言模型，提供模型推理、文本生成、嵌入向量生成等核心功能，可帮助开发团队在.NET应用中快速添加AI能力。目标用户为.NET平台开发人员、AI应用开发团队、企业系统集成工程师，适合在需要本地部署AI能力、保护数据隐私的企业应用开发、智能工具开发、私有知识库搭建等场景使用。
Tambo AI
Tambo AI是面向React前端开发领域的开源AI调度框架，为开发人员提供AI功能与现有React项目集成的基础设施支持。核心功能包括AI组件调度、上下文管理、工具调用集成，支持开发人员在React应用中快速接入AI能力，无需从零搭建AI交互的底层架构。该框架适配各类需要嵌入AI交互功能的React前端项目，目标用户为前端开发人员、全栈开发工程师、开源项目维护者，适用场景包括开发AI聊天应用、AI辅助开发工具、智能客服前端模块等。
Wan 2.5
Wan 2.5是一个专注于本地运行的AI多模态视听生成创作平台，支持用户在本地设备完成文本到视频、文本到音频等多种生成任务，可输出1080p分辨率的高清视频内容。平台核心功能包含文本生成高清视频、音频内容生成、本地离线运行、参数自定义调整、多模态内容合成等，面向AI内容创作者、独立视频制作人、音频创作从业者以及AI技术研究者提供服务。适用场景包括短视频内容素材创作、广告宣传片原型生成、播客音频内容制作、AI生成技术本地测试等。
Any GPT
AnyGPT是一款面向多模态交互需求的统一大语言模型工具站，核心定位是通过离散表示技术实现语音、文本、图像、音乐等多模态的统一处理，无需改动现有大语言模型架构与训练范式即可完成稳定训练。核心功能包含多模态任意组合交互、多模态指令数据集支持、新模态无缝接入能力。目标用户覆盖AI研究人员、多模态应用开发者、内容创作者、高校计算机专业师生等群体，可用于多模态对话系统开发、跨模态内容生成、多模态模型学术研究、多模态交互产品原型测试等场景，为不同模态的统一处理提供可落地的技术方案。
FilmAgent
FilmAgent是面向影视创作领域的多智能体协同电影自动化制作平台，基于虚拟3D空间架构，可模拟导演、编剧、演员、摄影师等多个影视制作核心角色的工作流程，通过多智能体自主协作完成从剧本生成到成片渲染的全流程创作。平台核心功能包括多角色智能体协同创作、虚拟3D场景自动搭建、成片动态渲染输出，目标用户覆盖独立创作者、小型影视制作团队、影视院校师生、广告内容创作团队、动画制作从业者、短视频内容创作者等，可用于网络短剧制作、创意样片快速迭代、教学案例演示、商业广告短片制作、动画分镜生成等多种创作场景，降低影视制作的人力和时间成本，为资源有限的创作团队提供可落地的数字化制作方案。
Secret Llama
Secret Llama 是一款运行于浏览器端的本地私密聊天机器人工具，核心定位是为用户提供无数据上传风险的AI对话服务，无需向第三方服务器传输对话内容。核心功能包括浏览器端本地模型推理，无需部署复杂本地环境即可使用；支持离线对话，模型下载完成后断开网络仍可正常交互；对话数据全程存储在用户本地设备，无外部泄露风险。目标用户覆盖注重隐私保护的职场人士、需要处理敏感信息的内容创作者、关注数据安全的技术爱好者等，适合处理涉密工作内容、私人规划梳理、敏感话题交流等场景，无需担心对话内容被采集或分析。
NemoClaw
NemoClaw是NVIDIA推出的开源企业级AI平台，核心定位为满足企业在安全合规框架下的AI任务自动化与隐私计算需求。平台支持企业构建自定义AI工作流，提供端到端的隐私保护部署方案，可适配不同规模企业的算力扩展需求。核心功能包含隐私保护推理、可扩展任务编排、开源自定义开发、安全访问管控、容器化部署支持，目标用户为企业AI开发团队、数据安全部门、自动化业务团队等，适用场景包含企业敏感数据处理、内部AI任务自动化调度、合规AI模型部署等。
OpenLIT
OpenLIT是聚焦生成式AI与大语言模型应用可观察性的开源AI工程平台，核心定位是为AI应用全生命周期的运行状态监控、性能优化提供技术支撑。平台支持OpenTelemetry原生集成，可实现多维度细粒度的LLM调用数据洞察，同时提供代码全透明与私有化部署选项满足不同场景的数据安全需求。目标用户覆盖AI应用开发者、数据科学家、企业AI工程团队，适用于LLM应用上线前的性能调试、运行中的异常排查、资源使用成本核算、多模型调用效果对比等场景，帮助相关从业者简化AI应用运维流程，提升应用运行稳定性与资源使用效率。
Backmesh
Backmesh是一款面向AI应用开发的开源后端即服务（BaaS）平台，核心定位为帮助开发人员安全调用大语言模型API，解决LLM开发中的后端部署与安全问题。平台支持私有化部署、权限管控、API密钥管理等核心功能，目标用户为AI应用开发者、全栈开发人员、初创AI产品团队，适用于开发GPT聊天应用、AI插件、企业内部AI工具、AI驱动SaaS产品等场景，能够降低开发门槛，减少后端基础架构的开发工作量。
Amurex
Amurex是一款开源AI工具平台，致力于帮助用户整合分散知识、统一工作流程并完成任务自动化。平台支持连接多种外部数据源与应用工具，可基于用户自有知识生成定制化AI响应，帮助团队或个人消除信息孤岛，简化重复工作流程。核心功能包含知识库整合、AI工作流编排、任务自动化执行、外部工具连接与本地部署支持，面向开发者、团队运营者、内容创作者、研究人员等用户，适合日常知识管理、批量任务处理、跨工具协同工作等多种使用场景。
Superlog
Superlog 是一款开源的自主观测工具，核心定位为面向开发团队的代码运行观测与问题修复辅助平台，支持代码自动埋点采集运行数据、自动识别异常并协助修复 Bug，同时支持开发者自主配置观测规则，适配不同技术栈的项目开发需求。目标用户涵盖后端开发工程师、前端开发工程师、全栈开发人员以及开源项目维护者，适用于开发阶段的线上问题排查、迭代过程的运行稳定性监控、开源项目的社区协作调试等多种场景。
AI-assisted Contember Studio
AI-assisted Contember Studio是一款AI辅助的Web应用开发工具，核心定位为降低Web应用开发门槛，帮助用户快速将产品概念转化为可运行的应用原型。核心功能包括AI自然语言生成应用原型、全栈代码自动生成、基于开源Contember框架的自定义扩展能力。目标用户覆盖独立开发者、创业团队产品经理、全栈开发人员、企业技术创业者、产品设计人员、小型企业技术负责人。使用场景包括创业项目快速验证MVP、内部管理系统快速搭建、客户定制化业务原型快速开发、产品需求快速落地、小型Web应用迭代、教学演示应用开发等，用户需要快速产出可运行应用的场景，同时支持后续代码下载后进行二次开发，满足不同复杂度的项目需求。
ReconFusion
ReconFusion是面向3D视觉研究与应用领域的技术项目官网，核心展示结合神经辐射场（NeRFs）与扩散先验的少量视图3D重建方法，可在仅提供少量实景照片的前提下完成真实场景的三维结构与纹理还原。核心功能包括3D重建效果可视化演示、技术论文与数据集资源下载、相关实验评估结果公开，目标用户覆盖计算机视觉领域研究者、3D内容创作者、VR/AR场景开发人员等，可应用于小样本实景3D建模、虚拟场景内容生成、受限视角场景三维还原等多种场景。 · 开源
OuteTTS-0.1-350M
OuteTTS-0.1-350M是OuteAI推出的基于纯语言模型的文本转语音合成模型产品页，核心定位为展示低参数轻量型TTS模型的技术方案与应用价值。该模型以LLaMa架构为基础，仅用350M参数即可实现高质量语音输出，支持语音克隆、多格式适配等核心功能，面向AI技术开发者、语音应用开发者、语音技术研究人员、内容创作从业者等群体，可用于语音类产品原型开发、语音技术研究实验、有声内容批量制作、轻量设备语音功能部署等场景，帮助用户降低TTS技术落地的资源门槛。
Actionbook | Make your agents act 10x faster with 100x token savings.
Actionbook是面向AI智能体开发领域的开源开发工具平台，核心定位是为大语言模型驱动的智能体优化运行性能，降低Token消耗，提升运行速度。平台提供标准化操作库、上下文压缩优化、预定义执行流程模板等功能，支持开发者快速构建低消耗高性能的AI智能体。目标用户为AI智能体开发者、大语言模型应用开发团队、AI研究人员，适合在构建对话智能体、自动化任务执行智能体、多轮交互AI应用等场景下使用，帮助开发者解决大模型智能体运行Token消耗过高、响应速度偏慢的问题。
AIGCPanel开源AI数字人系统
AIGCPanel开源AI数字人系统是一款一站式AI数字人内容生产工具，核心定位是降低AI数字人相关创作的技术门槛，为不同技术基础的用户提供数字内容制作解决方案。平台支持AI数字人视频合成、AI声音合成、声音克隆三类核心创作功能，同时提供轻量化的本地模型管理服务，支持一键导入各类开源AI模型。目标用户覆盖内容创作者、自媒体运营者、企业宣传人员、教育内容开发者等群体，可应用于短视频制作、课程录播、品牌宣传片产出、虚拟主播内容生成、有声读物制作等多个场景，用户无需掌握复杂的AI模型部署技术即可完成数字人相关内容创作。
DriveVLM
DriveVLM是清华大学MARS实验室推出的自动驾驶研发系统，核心定位是将视觉语言模型能力融入自动驾驶流程，提升复杂场景下的感知与决策表现。该系统具备场景语义描述、多维度场景分析、分层驾驶规划三类核心功能，同时推出混合架构的DriveVLM-Dual版本，平衡大模型推理能力与传统自动驾驶系统的空间计算、实时响应优势。目标用户覆盖自动驾驶领域研究人员、高校相关专业师生、自动驾驶企业技术研发团队，可用于自动驾驶算法迭代、长尾场景处理方案验证、大模型在自动驾驶领域的落地研究等场景，相关实验成果已在nuScenes、SUP-AD公开数据集以及量产实车环境中完成验证。 · 开源
Bosch Center for Artificial Intelligence
Bosch Center for Artificial Intelligence是博世集团旗下的人工智能研究与应用平台，聚焦人工智能技术在工业、汽车、物联网、能源等多个领域的基础研究与落地应用开发。平台核心功能包括前沿研究成果公开分享、开源AI项目代码发布、行业合作需求对接、AI人才招聘信息披露、技术白皮书与报告下载等，面向人工智能领域研究者、工业场景开发者、科技行业从业者、高校相关专业学生以及博世业务合作伙伴开放，可用于获取全球AI产学研融合动向、下载工业级AI开源工具、对接跨领域技术合作项目、了解AI技术在实体产业的落地实践路径。
AI Repository Search
AI Repository Search是一款AI驱动的代码库搜索引擎，核心定位为帮助开发者快速找到符合需求的公开代码存储库。网站依托AI算法对海量开源代码库进行梳理和排序，支持按功能需求、技术栈、应用场景等多维度检索，可过滤不符合需求的结果，提升找代码的效率。核心功能包括自然语言需求检索、多维度筛选排序、代码库质量预览、相关仓库推荐、更新动态追踪等，面向开发从业者、编程学习者、技术团队、开源项目爱好者等用户，适用于开发项目找参考实现、学习新技术找示例项目、开源项目调研、技术方案验证等场景。
COMOSVC
COMOSVC是专注于歌唱音高转换的技术展示与应用站点，核心基于一致性模型相关技术打造，可实现音频的音高转换处理。平台核心功能包括高质量歌唱音高转换、单步快速推理、开源技术方案开放，目标用户覆盖音频技术研究人员、音乐创作从业者、AI音频爱好者、学生开发者等群体，可用于音乐demo制作、翻唱作品调整、语音技术实验、AI音频项目开发等多种场景，帮助用户便捷完成歌唱音频的音高修改与风格适配相关处理。
Repaint123
Repaint123是由北京大学前沿计算研究中心团队开发的3D内容生成工具，核心定位是通过单张输入图像快速生成多视角一致的3D内容。核心功能包括单图驱动的多视角一致性图像生成、自适应可视性感知重绘、快速3D模型导出。目标用户覆盖3D创作从业者、游戏建模人员、动画制作师、科研人员以及3D内容爱好者，可应用于游戏资产制作、虚拟场景搭建、3D打印原型设计、数字藏品创作等多个场景，无需复杂的多视角图像采集流程，即可完成基础3D内容的快速生成。
Flash Diffusion
Flash Diffusion是专注于快速图像生成的AI模型演示平台，核心定位为低算力需求下的高效图像生成技术展示站点。平台支持文本生成图像、图像超分辨率、局部内容修复三类核心功能，可展示模型在少步骤推理下的图像输出效果。目标用户覆盖AI图像算法研发人员、高校计算机相关专业学生、创意设计从业者、AI技术爱好者等群体，可用于算法效果验证、技术学习参考、创意素材快速生成、模型性能对比测试等场景。
MusicGen AI
MusicGen AI是基于Meta开发的开源音乐生成AI模型搭建的第三方在线应用，核心定位是为用户提供便捷的AI音乐生成服务，支持文本提示生成、音频提示生成两种核心生成模式，同时提供音乐参数调整、风格转换、导出下载等拓展功能。目标用户覆盖音乐创作者、内容创作者、音乐爱好者以及音乐教育从业者等群体，适合用于创作短视频配乐、广告背景音乐、 Demo小样、原创音乐素材以及个人兴趣创作等多种场景。
StereoCrafter
StereoCrafter是专注于2D视频转立体3D视频的技术框架官方站点，核心面向3D内容创作者、XR开发者、影视制作人员等群体。其核心功能包括基于基础模型先验的立体视频生成、自适应分块长视频处理、大规模3D视频数据集构建，可支持用户将普通2D视频素材转换为适配Apple Vision Pro、3D显示器等设备的沉浸式3D内容，适用于影视3D化制作、XR内容生态搭建、教学科普3D资源制作等多种场景，为3D数字内容生产提供可落地的技术路径。 · 开源
Chatty
Chatty是一款部署在浏览器端的开源大语言模型交互界面，支持接入Gemini、ChatGPT类开放大语言模型，也可适配本地运行的开源大模型，为用户提供统一的模型交互入口。核心功能包含多模型统一管理、本地浏览器端运行、对话历史存储、自定义提示词管理、多标签会话管理，适合AI开发者、大模型研究者、普通AI用户使用，可用于日常对话咨询、模型效果对比、本地模型调试、内容创作辅助等多种场景。
Agno
Agno是一个开源代码库，面向开发者提供构建自定义AI代理的开发框架，支持模型无关的架构设计，集成了记忆管理与外部工具调用能力。核心功能包含多模型适配、结构化记忆存储、工具接入扩展、异步任务处理与快速部署支持，可帮助开发者降低AI代理开发门槛，适配不同规模的AI应用开发需求。目标用户为AI应用开发者、全栈开发工程师、机器学习研究人员，适合用于搭建智能问答助手、自动化工作流代理、多模态交互AI应用等开发场景。
Domino
Domino是一个开源无代码平台，核心定位为帮助用户通过可视化方式完成数据与人工智能工作流的构建、管理与部署。平台支持拖拽式操作搭建工作流程，提供版本管理功能，可对接多种数据来源与AI模型，支持一键部署已构建的工作流。目标用户涵盖数据分析师、AI开发人员、产品运营人员、学术研究者、中小企业技术团队与数据科学爱好者，适用于搭建数据分析 pipeline、构建AI预测模型流程、批量数据处理自动化、机器学习模型训练调度、跨团队数据项目协作等多种场景。
SparseCtrl
SparseCtrl是面向文本到视频生成场景开发的控制增强技术项目，核心定位是降低视频生成的结构控制门槛，无需改动预训练文本到视频模型即可实现精准内容引导。其核心功能包括多类型稀疏信号支持，可适配草图、深度图、单张RGB图像等不同输入形式；轻量条件编码机制，通过独立编码器处理稀疏控制信号，不破坏原有模型的生成能力；多场景适配能力，支持故事板转视频、关键帧动画生成、帧插值等不同创作需求。目标用户覆盖AI视频创作者、动画制作人员、影视前期策划人员、AI技术研究者等群体，可应用于短视频内容制作、动画分镜落地、影视概念片生成、学术技术验证等多个场景。
Chat with your Database
Chat with your Database是一款基于AI技术的数据库交互工具，核心定位是帮助用户通过自然语言完成PostgreSQL数据库的查询、分析与操作，无需手动编写SQL代码。其核心功能包括自然语言转SQL自动生成、查询结果可视化展示、自定义数据库连接配置，同时代码完全开源，支持用户自主定制扩展。该工具面向后端开发人员、数据分析师、产品经理、运维人员等群体，适用于日常数据库查询核验、业务数据快速分析、临时数据提取、SQL语法学习等多种场景，降低了数据库操作的技术门槛。
UniTok
UniTok是面向计算机视觉领域的视觉分词技术展示与资源平台，核心定位是为相关从业者提供统一视觉分词技术的落地参考与技术资料。平台支持UniTok技术原理的详细解读、ImageNet等公开数据集测试结果展示、多码本量化技术实现细节说明，同时提供可复用的代码实现示例与技术适配指南。目标用户涵盖计算机视觉领域研究人员、AI算法开发工程师、多模态应用开发团队、高校相关专业师生，可应用于图像生成模型优化、视觉理解任务研发、多模态大模型底层模块开发、学术研究复现等多种场景。