Ai开源项目

NotaGen 是什么？NotaGen 是由中央音乐学院、北京航空航天大学和清华大学等机构联合开发的一款AI音乐生成模型，专注于生成高质量的古典乐谱。它通过模仿大型语言模型（LLM）的训练范式，能够生成高质量的古典乐谱。NotaGen 核心特点高质量古典乐谱生成NotaGen 能够根据用户指定的时期

CodeName Goose是由Jack Dorsey领导的支付服务公司Block推出的开源ai智能体Agent。Goose基于Anthropic AI的模型上下文协议，允许开发者选择他们偏好的大语言模型（LLM）来进行开发，Goose能够理解开发者的自然语言指令，并将其转换为相应的编程任务。从而帮

AstrBot，一个易上手的多平台 LLM 聊天机器人及开发框架。支持 QQ、QQ频道、Telegram、微信平台(Gewechat, 企业微信)、内置 Web Chat，Openai GPT、DeepSeek、Ollama、Llama、GLM、Gemini、OneAPI、LLMTuner，支持 L

FireRedASR 是由小红书 FireRed 团队于2025年2月9日发布并开源的基于大模型的语音识别模型，它在中文普通话语音识别领域取得了新的SOTA（字错误率CER 3.05%），并支持方言、英语及歌词识别。FireRedASR的主要功能：高精度语音识别：FireRedASR-LLM（8.3

Light-A-Video是一个应用于逐帧图像重光照模型的简单应用，主要解决光源一致性以及重光照外观的问题。该项目的目标是提升视频中光照效果的自然性，使得生成的视频帧在光源和外观上更加一致，解决了传统视频重光照方法面临的高训练成本、数据稀缺性、时间一致性差以及应用领域限制等问题。Light-A-Vi

Step-Audio，作为业内首款产品级开源语音交互模型，具备根据场景需求生成多样化语音表达的能力，涵盖情绪、方言、语种、歌声以及个性化风格，且交互自然流畅。在汉语水平考试六级评测中，Step-Audio表现卓越，被誉为最懂中文的开源模型。此ai模型由阶跃星辰与吉利汽车集团联合研发，并于2025年2

MultiPost是一款免费开源的多平台内容发布工具，能帮内容创作者和社交媒体管理员高效地把内容发到多个平台。这个工具可以说是解决了内容创作者在多平台发布时的痛点。通过一次编辑，就能将内容同步发布到所有平台，大大提高了工作效率。MultiPost的主要功能一键发布：可同时发布到Twitter、Fac

NeuraPress 是一款专注于微信公众号排版的Markdown编辑器，响应式设计，支持移动设备。通过搭配 DeepSeek和微信公众号助手使用，碎片时间也能通过手机就能编辑并发布带有排版效果的公众号文章。NeuraPress的功能特点现代化Markdown编辑：支持简洁的Markdown语法，方

HiveChat是什么？HiveChat是一个专为中小型团队设计的开源ai聊天机器人项目，支持Deepseek、OpenAI、Claude和Gemini等多种主流AI模型，以及支持 LaTeX 和 Markdown 渲染、DeepSeek 思维链展示、图像理解、云端数据存储、AI 智能体等功能。Hi

aigcPanel 是什么？AigcPanel 是一个免费开源的一站式AI数字人系统， 支持视频合成、声音合成、声音克隆，简化本地模型管理用户可以一键导入和使用AI模型。最大的优势在于通过一个安装包即可完成所有环境配置，实现"开箱即用"，使用户可以轻松地在Windows和Mac环境下操作。AigcP

SurveyX是什么？SurveyX是一个由中国人民大学、悉尼大学和中国东北大学联合开发的利用大型语言模型（LLMs）生成高质量、特定领域学术论文和调查的先进学术调查自动化系统。目的是解决当前基于LLM的自动化方法在生成内容时的局限性。用户只需要提供文献检索的论文标题和关键词，用户可以请求针对特定主

Hibiki是Kyutai Labs开发的支持法语和英语的高保真实时语音翻译模型，可以保留原声特点并进行实时翻译，边听边翻译，像同声传译一样实时输出，同时生成语音和文字翻译。Hibiki功能特征：多流语言模型架构：Hibiki采用了类似于Moshi的多流架构，这使得它能够同时处理源语言和目标语言的语

Cursor-Tools，一个专门为Cursor AI和其他代理工具设计的npm包，通过集成 Perplexity AI 和 Gemini 提供智能化响应，Cursor-Tools可以极大的增强 Cursor Agent 的能力。Cursor-Tools通过 Perplexity ai 提供了网页搜

什么是Pandasai？PandasAI是一个基于Python的库，PandasAI将将该库依赖到自己项目中，只需几行代码，轻松实现数据读取，并能通过对话方式向数据进行提问，对于那些可能不熟悉SQL或Python编程的人来说就很方便了。Pandasai使用户能够通过自然语言查询执行复杂的分析任务和数

RAGFlow是一款开源的检索增强生成（RAG）引擎，专为深入理解文档而设计。它为各类企业和个人提供简洁高效的RAG工作流程，与大语言模型（LLM）相结合，针对各种复杂格式的数据提供可靠的问答及有依据的引用。RAGFlow非常适合需要动态内容生成且依赖外部知识库的场景，如智能客服、文档生成和数据分析

UIGEN-T1 是一个基于 Qwen2.5-Coder-7B 模型微调的开源 UI 设计生成工具，能够根据用户输入的提示生成结构清晰且符合标准的 HTML 和 CSS 代码，特别适合生成仪表盘、登录页面和注册表单等基础前端页面。UIGEN-T1功能特征自动推理生成链式思考: 通过复杂的推理过程生成

MakeAnything 是新加坡国立大学开发的一个基于扩散变换器（Diffusion Transformers）的序列生成模型，可通过文本描述生成序列图像，凭借强大的生成能力提供一致性多子图拼图。MakeAnything 功能特性：扩散Transformer ：利用扩散Transformer 的卓

Step-Video-T2V是一个由阶跃星辰与吉利汽车合作开源的先进文本到视频生成模型。它具备诸多突出特性，在视频生成领域展现出强大实力。Step-Video-T2V模型的亮点运用DiT模型和流匹配训练方法，实现了16×16倍空间压缩以及8倍时间压缩，极大地提升了大规模视频生成的效率。拥有300亿庞

Phantom是字节跳动开发的一种新颖的视频生成工具，它以面部参考图像为基础来生成视频。在这个过程中，它能精准地保留参考脸部的身份特征，像是面部轮廓、五官比例、表情神态等，同时还能打造出十分生动的视频内容。Phantom的特别之处在于，其在视频生成时对个人特征有着严谨的保留能力。比如说，用户提供一张

Memento是什么？Memento是一款基于mpv构建的开源视频播放器，只要面向日语学习者。它巧妙地将视频播放与语言学习功能结合，支持通过影视内容进行语法分析、生词捕捉和记忆卡片制作，已获Arch Linux AUR和Flathub官方仓库收录。核心功能语法感知字幕搜索：自动识别字幕中的语法结构，