AI导航

VideoSrt是一个可以识别视频语音自动生成字幕SRT文件的开源软件工具。基于Golang语言，使用lxn/walk Windows-GUI工具包开发的开源软件工具。适用于快速、批量的为媒体（视频/音频）生成中/英文字幕、文本文件的业务场景。VideoSrt具有易用的界面和多种强大功能，使其成为处

AnyDoor，由香港大学、阿里巴巴和蚂蚁集团联合研发AnyDoor，可以将一张照片上的任何物品传送到另一张图片的世界中。AnyDoor项目地址：https://damo-vilab.github.io/AnyDoor-Page/AnyDoor在线演示地址：https://huggingface.c

DemoFusion，一个开源的 ai 图像重绘增强工具， 一个超更高分辨率的图像生成增强工具，通过使用最新的 BSR Gan技术，可以把生成图像的分辨率提高4倍、16倍，甚至更高，并修复和增强图像的细节。Demofusion项目地址：https://github.com/PRIS-CV/DemoF

QAnything ai是一个本地知识库问答系统，旨在支持多种文件格式和数据库，允许离线安装和使用。您可以简单地删除任何格式的任何本地存储文件，并获得准确、快速和可靠的答案。QAnythingQAnything AI目前支持的格式包括：PDF、Word（doc/docx）、ppt、Markdown、

Motionshop，ai角色动画工具，通过先进的视频处理和3D渲染技术，Motionshop能够自动检测视频中的人物，并替换成3D卡通角色模型，生成有趣的AI视频。同时不改变视频中的其他场景和人物，被替换的3D角色能完整复刻原视频中人物的动作，动作保持一致。Motionshop项目主页：https

GPT-SoVITS，一个声音克隆和文本到语音转换的开源 Python RAG框架，只需1分钟语音即可训练一个自己的TTS模型。完美克隆你的声音！GPT-SoVITS完美适配中文，应该是目前中文支持比较好的模型。github发布地址：https://github.com/RVC-Boss/GPT-S

DiffusionGPT，字节跳动开发的由LLM驱动文本生成图像多合一系统，专门设计用于为不同的输入提示生成高质量的图像。其主要目标是解析输入提示并确定产生最优结果的生成模型，该模型具有高泛化、高效用和方便的特点。DiffusionGPT的牛P之处在于它集成了多种领域的专家图像生成模型。然后使用LL

ai Cover是由idoubi艾逗笔开发的一款AI红包封面生成器，利用AI技术根据用户的需求创造独特高清精美的微信红包封面图片。可用于制作精美的红包封面。一般用于庆祝农历新年。除了最核心的输入提示词生成红包封面的功能之外，还包括了用户登录 / 付费方案 / 积分系统等。新用户给了一个 credit

在人工智能领域，从语音中创建准确的面部唇部动作一直是一个持续的挑战。然而，突破已经到来——Media2Face。Media2Face是通过音频、文本和图像多模态引导的共语言面部动画生成工具。它利用音频、文本和图像输入的引导来自然地模仿人类语言，引入了广义神经参数面部资产 （GNPFA）。这是一种高效

SoraWebui 是一个开源 Web 平台，使用户能够使用 Openai 的 Sora 模型从文本生成视频。SoraWebui简化了视频创建过程，支持在Vercel上进行一键部署，让开发者能够方便地进行使用和测试。使用 SoraWebui，任何人都可以通过简单地输入文本来创建视频，使其成为视频制作

Open WebUI，为大模型提供用户友好界面，支持 Ollama 并兼容 Openai API。特色有直观聊天界面、响应式设计。支持代码高亮、Markdown、LaTeX、RAG 集成、网页浏览、预设提示、RLHF 注释、模型管理、多模型和多模态、历史记录管理、语音输入、高级参数调整等。Open

Animagine XL 3.1，一个开源的文本生成图像动漫模型，通过整合新的数据集，Animagine XL 3.1扩展了对广泛动漫作品和风格的理解，从经典作品到最新发布的动漫，覆盖了从古老到现代的各种艺术风格。Animagine XL 3.1在线体验：https://huggingface.co

InstantMesh是一个基于单张图片，利用先进的稀疏视图大型重建模型（LRM）架构，快速生成3D网格（Mesh）的工具。这个框架允许用户将2D图片转换成3D模型，通过自动化处理简化了3D内容的创建过程，对于游戏设计、动画、建筑可视化等领域非常有用。InstantMesh的架构类似于Instant

Streamer-Sales 销冠 —— 卖货主播大模型，一款能够根据给定的商品特点从激发用户购买意愿角度出发进行商品解说的卖货主播大模型。以其独特的智能魅力，将彻底改变您的购物体验。Streamer-Sales销冠模型能自动卖货，同时实时回答客户任何问题，Streamer-Sales深度理解商品特

Wiseflow，一款敏捷的信息挖掘开源免费工具，它可以从网站、微信公众号、社交平台等各种信息源中按设定的关注点提炼讯息，自动做标签归类并上传数据库，你可以轻松将它整合到任意 Agent 项目中作为动态知识库。项目可完全本地部署，硬件基本无要求。Wiseflow功能特色原生 LLM 应用：我们精心选

Diffuse to Choose主要用于虚拟试穿场景。它能够在修复图像时保留参考物品的细节，并且能够进行准确的语义操作。Diffuse to Choose能让你在将任何商品放入任何环境中，同时和环境完美融合，并结合感知损失来进一步保留参考物品的细节，该模型在快速推理和高保真细节方面取得了良好的平衡

StreamRAG，一个视频搜索和流媒体代理工具，StreamRAG 使您能够在 ChatGPT 中与您的视频库聊天并观看视频流。StreamRAG能够在数百小时的视频内容中找到你输符合你需求的相关视频时刻，并立即返回一个视频剪辑，也就是说它能搜索视频内容的任意时刻。StreamRAG能够迅速浏览存

YOLO-World，腾讯ai实验室开发的一个实时目标检测工具，它能够自动识别和定位图像中的各种对象。YOLO-World在速度和准确性方面都优于许多最先进的方法。YOLO-World 是下一代 YOLO 检测器，旨在实时开放词汇目标检测。YOLO-World在大规模视觉语言数据集（包括Object

MoneyPrinter，一个自动创建YouTube短视频的自动化赚钱项目，只要输入视频文本MoneyPrinter即可自动产生与之相关的短视频。MoneyPrinter主要功能：自动视频生成：只需提供一个视频主题即可在本地自动创建相关的短视频YouTube Shorts。音乐和字体自定义：可以上传

StreamMultiDiffusion，一个使用区域文本提示来实时生成图像的项目，主要用于图像生成和编辑应用。它基于扩散模型在文本到图像合成中的成功，旨在通过减少推理时间和提高生成图像的质量来提高扩散模型的可用性。该方法专注于基于紧密和粗糙区域的生成，以及文本到全景的生成，并且它可以与用户提供的精