开源项目 - 智狐AI导航

Arxiv

一款能够一键将arXiv上的论文转换为Markdown格式的浏览器插件，无论该论文呈现的是摘要、PDF版本还是HTML版本。

Ai开源项目 2025年06月05日 100 点赞 0 评论 725 浏览

3D

3D-Speaker是一个多模态开源项目，专注于通过结合声学、语义和视觉信息，实现高精度的说话人识别和语种识别。其主要功能包括说话人日志、说话人识别、语种识别、多模态识别以及重叠说话人检测。项目提供了工业级模型、训练与推理代码，以及多样化数据集，并支持复杂环境下的语音处理任务。应用场景涵盖会议记录、法庭记录、广播制作、电话客服和安全监控等领域。

AI项目与工具 2025年06月12日 29 点赞 0 评论 725 浏览

OpenManus

OpenManus是一款由MetaGPT团队推出的开源AI代理工具，基于模块化设计，支持多种语言模型和工具链，具备代码执行、文件处理、网络搜索和浏览器自动化等功能。其核心优势是实时反馈机制，用户可直观查看AI的思考过程和任务执行状态。同时，它提供灵活的配置选项，便于开发者自定义功能。适用于个人任务自动化、开发者辅助、教育、企业工具开发及研究等多个领域。

AI项目与工具 2025年03月07日 58 点赞 0 评论 724 浏览

MCA

MCA-Ctrl是由中科院计算所与国科大联合开发的图像定制生成框架，通过引入SAGI和SALQ注意力控制策略及主体定位模块，提升图像生成质量与一致性。支持零样本图像生成，适用于主体特征保持、背景一致性维护等多种任务，广泛应用于数字内容创作、广告设计、艺术创作等领域。

AI项目与工具 2025年06月11日 82 点赞 0 评论 720 浏览

VideoRAG

VideoRAG是一种基于检索增强生成（RAG）技术的工具，旨在提升长视频的理解能力。它通过提取视频中的多模态信息（如OCR、ASR和对象检测），并将其与视频帧和用户查询结合，增强大型视频语言模型的处理效果。该技术轻量高效，易于集成，适用于视频问答、内容分析、教育、媒体创作及企业知识管理等多个领域。

AI项目与工具 2025年06月12日 75 点赞 0 评论 719 浏览