开源

1. 首页
2. 开源

Video

Video-LLaVA2是一款由北京大学ChatLaw课题组开发的开源多模态智能理解系统。该系统通过时空卷积（STC）连接器和音频分支，显著提升了视频和音频的理解能力。其主要功能包括视频理解、音频理解、多模态交互、视频问答和视频字幕生成。时空建模和双分支框架是其核心技术原理。Video-LLaVA2广泛应用于视频内容分析、视频字幕生成、视频问答系统、视频搜索和检索、视频监控分析及自动驾驶等领域。

AI项目与工具 2025年06月12日 50 点赞 0 评论 370 浏览

StableV2V

StableV2V是一款基于文本、草图和图片输入的开源视频编辑工具，利用Prompted First-frame Editor（PFE）、Iterative Shape Aligner（ISA）和Conditional Image-to-video Generator（CIG）三大模块，实现视频中物体的精准编辑与替换，同时保持编辑内容与原始视频在动作和深度信息上的高度一致性，适用于电影制作、教育、

AI项目与工具 2025年06月12日 21 点赞 0 评论 372 浏览

Xyne

一款日常办公工的智能搜索问答工具，Xyne整合了工作中的各种数据，可以高效查找各种文件、邮件、聊天记录、应用工具等数据并智能回答。

AI搜索问答 2025年06月05日 87 点赞 0 评论 372 浏览

Roop

Roop是一款开源的AI视频换脸工具，支持用户通过一张图片替换视频中的面部，无需复杂的数据集或训练过程。它具有多种功能，包括一键换脸、多参数配置、面部对齐和性能加速。Roop利用生成对抗网络（GANs）生成逼真的面部图像，并能自动检测和对齐视频中的面部。其应用场景广泛，包括娱乐、社交媒体、电影制作、教育和艺术创作等领域。

AI项目与工具 2025年06月12日 93 点赞 0 评论 373 浏览

Awesome LLM Apps

一个精选的LLM（大型语言模型）应用集合，汇集了使用OpenAI、Anthropic、Google、Gemini以及开源模型（如DeepSeek、Qwen或Llama）构建的LLM应用。

Ai学习资源 2025年06月05日 61 点赞 0 评论 373 浏览

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 374 浏览

赤兔Chitu

Chitu（赤兔）是清华大学与清程极智联合开发的高性能大模型推理引擎，支持多种GPU及国产芯片，打破对特定硬件的依赖。其具备全场景部署能力，支持低延迟、高吞吐、小显存优化，并在性能上优于部分国外框架。适用于金融风控、智能客服、医疗诊断、交通优化和科研等领域，提供高效、稳定的推理解决方案。

AI项目与工具 2025年06月12日 25 点赞 0 评论 376 浏览

Chonkie

Chonkie是一款轻量级、高性能的RAG分块库，支持多种分块方法（基于Token、单词、句子和语义），适用于自然语言处理任务。它具备高效性能、广泛tokenizer支持及灵活的安装选项，适用于RAG应用、对话系统、文本摘要和机器翻译等场景。

AI项目与工具 2025年06月12日 96 点赞 0 评论 376 浏览

Wren AI

Wren AI 是一个开源的文本到 SQL 工具，基于自然语言处理技术，允许用户通过自然语言提问来执行数据库查询，无需编写 SQL 代码。它支持多种数据库和数据源，具有语义理解能力，能准确解析业务上下文并提供精确的结果。Wren AI 的核心功能包括语义引擎、向量数据库和大型语言模型，支持数据集成、安全性和结果导出，广泛应用于业务智能分析、数据探索、报告生成等领域。

AI项目与工具 2025年06月12日 82 点赞 0 评论 377 浏览

OpenVision

OpenVision是加州大学圣克鲁兹分校推出的多模态视觉编码器系列，具备从5.9M到632.1M参数的多种模型，适用于不同硬件环境。其采用渐进式多阶段分辨率训练策略，训练效率比同类模型高2至3倍，在多模态任务中表现优异。支持可变大小patch输入，兼具灵活性与高效性，广泛应用于工业检测、机器人视觉、自动驾驶及科研教育等领域。

AI项目与工具 2025年06月11日 58 点赞 0 评论 377 浏览