Ai开源项目

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

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

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

MiniMates是什么？MiniMates是一款高性能的轻量级数字人驱动算法，具备语音和表情两种驱动模式，能够在普通电脑上实现实时运行。MiniMates的核心优势双驱动模式：MiniMates支持语音驱动和表情驱动。语音驱动使数字人能响应语音指令，模拟人类的反应和动作；表情驱动则允许数字人根据用

RuoYi ai是什么？RuoYi AI 是一个全栈式 AI 开发平台，可以帮助开发者快速构建和部署个性化的 AI 应用。它支持本地 RAG 方案，集成多种大语言模型和 AI 绘画功能，提供丰富的多媒体、支付、微信扩展及插件功能。基于 RuoYi 框架开发，继承了模块化设计、权限管理等特性，适合企业

OCRmyPDF是什么？OCRmyPDF 是一款开源的命令行工具，用于给扫描的 PDF 文件添加可搜索的OCR文本层。它支持多语言，能优化图像、纠偏、清洁页面，并自动旋转方向，生成 PDF/A 格式文件。它还支持多核处理和批量操作，完全离线运行，确保数据安全。OCRmyPDF主要功能生成可搜索的 P

Klavis ai 是什么？Klavis AI 是一个专注于简化MCP的使用和集成的开源平台，它通过提供多平台客户端、托管的高质量 MCP 服务器和安全的工具集成，帮助开发者可以快速构建AI 应用。Klavis AI功能多平台客户端集成Slack 和 Discord 客户端：用户可以直接在 Slac

Dual-ai-Chat 是一个聊天应用，核心设计是让两个不同风格的人工智能（Cognito 和 Muse）通过辩论协作生成回答。默认接入 Google Gemini API，同时兼容其他 OpenAI 标准的 API 接口，也支持本地模型或其他托管服务。主要功能：双AI辩论：Cognito（偏逻辑

SuperClaude 是什么？SuperClaude 是一个为 Claude Code 量身打造的零门槛编程的上下文工程开源框架。它通过一系列专门设计的命令、认知角色和开发方法，可以大大增强Claude Code 的能力。superclaude 也是继 context-engineering-in

LiYing 是一款用于自动化处理证件照的程序，可在本地完全离线运行，适用于照相馆等场景，可以大大提升工作效率。功能特点自动识别处理：自动识别人体和人脸，纠正角度、更换背景色、裁剪至任意尺寸并排版。自动纠偏：检测并纠正拍摄倾斜，确保人像端正。智能换背景：支持蓝、白、红等常见底色，可自定义 RGB 值

开源项目 BrowserOS 是一款带 ai 代理功能的浏览器，能自动完成在线购物、信息收集等多种网页操作。它支持本地 Ollama 模型，保护用户隐私，而且基于 Chromium 内核，所有 Chrome 插件都能用。核心特点✅本地 AI 代理：BrowserOS浏览器里直接集成了 AI 代理，所

StableAvatar 是什么？StableAvatar 是由复旦大学、微软亚洲研究院和西安交通大学等机构的研究人员开发的一个能通过音频直接生成唱歌或说话视频的工具，而且视频时长不受限制，画面质量也很高。StableAvatar 核心技术时间步感知音频适配器：这个技术主要是防止音频信息在转换过程中

Archon 是一个能让 ai 自动生成和优化其他 AI代理的开源工具。作为首款 “Agenteer”，Archon 第六版支持多种工具库和 MCP 服务器集成，让生成的 AI 更高效可靠。用户只要描述需要的 AI 功能，Archon 就会通过一系列步骤，包括规划、编码和优化，来创建 AI。核心功能

SwiftChat是什么？SwiftChat是一款基于React Native开发的快速、安全、跨平台聊天应用。它能很好地适配Android、iOS、iPad、Android平板和macOS，提供流畅的使用体验。SwiftChat支持实时流式聊天功能，聊天过程中互动自然。支持丰富的Markdown语

Atomic Agents 是什么？Atomic Agents 是一个开源框架，用于构建模块化、可扩展的 ai 代理（Agent）管道和应用程序。它基于“原子性”设计理念，将复杂的 AI 系统分解为最小的、不可分割的组件（类似于化学中的原子），并通过这些组件的灵活组合来构建强大的 AI 应用。Ato

Praison AI是什么？Praison AI 是一个开源的低代码多智能体框架，可以通过简化大语言模型（LLM）的应用开发，帮助用户快速创建、管理和部署 AI 智能体。核心概念多智能体系统（MAS）：Praison AI 基于多智能体系统理论，允许用户创建多个具有自主性和协作能力的智能体。这些智能

agentUniverse是什么？agentUniverse 是一个面向复杂业务场景设计的多智能体协作框架，源自蚂蚁集团的真实金融业务实践。它提供了快速易用的大模型智能体应用搭建能力，以及丰富的多智能体协同模式组件（如 PEER 和 DOE 模式），能够帮助开发者和企业构建领域专家级别的智能体，协同

DroidRun是什么？DroidRun 是一款可通过ai代理实现Android设备的自动化操作的开源工具。它结合视觉解析与 UI 结构提取技术，支持多种语言模型（如 OpenAI、Gemini 等），可自动执行任务、处理复杂界面和动态 UI。DroidRun 还具备智能错误处理、截图分析能力、元素

SmythOS是一个开源的ai操作系统，支持用户在90秒内通过聊天提示快速创建AI代理。提供可视化工作流、API调用、分类器等功能，开发者能在AgentStudio中通过拖放操作搭建代理，完成调试后可将代理部署到云端或自有硬件。平台内置多种应用场景模板，支持团队协作和工作调度。核心功能快速构建：在A

Presenton 是一款开源的本地 aippt 生成工具，能保护用户数据隐私。用在线 AI 做 PPT 时，用户常要上传敏感数据，容易有信息泄露风险。它支持 OpenAI、Gemini、Ollama 等主流 AI 模型，有自定义 HTML 模板和多种PPT模板主题，还能接入 DALL-E3、Gem

FastBuildai 是一个开源的 AI 框架，适合 AI 开发者、创业者，还有对 AI 感兴趣的个人或机构用。它几分钟就能部署好，通过可视化界面（不用写代码）就能快速做出带营销、计费和支付功能的 AI 应用，就算不是技术人员也能轻松上手。它想成为新一代 AI 应用的基础设施，靠开源打破大模型巨头

Coze on WeChat是什么？Coze on WeChat 是一个基于微信平台开发的智能助手，主要对接 Coze 平台，支持大部分 Coze Bot 功能。它允许用户通过微信与 ai 聊天机器人进行交互，支持文本、语音等多种交互方式。Coze on WeChat功能文本聊天功能：继承自 cha

AutoGen是什么？AutoGen是由微软推出的一个开源框架，专为构建和管理基于大型语言模型（LLM）的多代理系统而设计。它允许用户创建多个自主代理，这些代理可以通过对话协作完成复杂的任务。AutoGen旨在简化LLM工作流的编排、自动化和优化，提高任务处理的效率和灵活性。AutoGen功能多代理

LangFlow是什么LangFlow是一款低代码、可视化的ai应用构建工具，主要用于快速搭建和实验LangChain流水线。它通过拖拽式界面让用户能够轻松创建复杂的AI工作流，无需编写大量代码。LangFlow支持多代理对话管理和RAG（检索增强生成）应用，适用于构建智能聊天机器人、文档分析系统和

Motia 是什么？Motia 是一个专为软件工程师设计的 ai 代理框架，旨在帮助开发者快速搭建、测试和部署生产级的 AI 代理。它强调代码优先和事件驱动，支持多语言开发，并提供可视化界面，使开发者能够专注于业务逻辑。Motia功能特点事件驱动架构：通过定义步骤、流程、事件和主题构建灵活的工作流。

TaiCHI-flet 是一款基于 Flet 框架的多功能娱乐软件，能够满足用户浏览图片、音乐、小说、漫画以及其他资源搜索等方面的需要。 功能模块 首页：右上角可切换主题、进行全局个性化设置、显示热搜榜，点击左上角时间可使用默认壁纸。观山：用于图片浏览，提供风景图、妹子图、二次元图等，右下角可选择下

IndexTTS是B站基于XTTS和Tortoise开发的文本转语音模型，具备工业级零样本TTS能力。针对中文场景创新采用字符-拼音混合建模，可快速修正发音错误，结合Conformer条件编码器与BigVGAN2解码器，提升了训练稳定性、音色还原度和输出音质。核心功能：✅支持中英双语✅中文拼音纠错：

WeKnora 是腾讯开源的文档理解与检索框架，基于大语言模型打造，专门适用于结构复杂、内容多样的文档场景。它采用模块化架构，整合了多模态预处理、语义向量索引、智能召回和大模型生成推理等功能，能构建高效、可控的文档问答流程。核心检索流程基于 RAG（检索增强生成）机制，把上下文相关片段和语言模型结合