开源

1. 首页
2. 开源

olmOCR

olmOCR 是一款开源 PDF 文档处理工具，结合文档锚定技术和 Qwen2-VL-7B-Instruct 模型，可高效提取结构化文本并保留原始布局。支持多种文档类型，具备大规模批量处理能力和低成本优势，适用于学术研究、法律文件处理、企业文档管理及数字图书馆建设等多个场景。其开源特性与可扩展性也增强了用户的使用灵活性。

AI项目与工具 2025年06月12日 47 点赞 0 评论 824 浏览

IDIFY

IDIFY是一款开源在线证件照生成工具，借助人工智能技术实现自动抠图和标准化处理。支持本地图像处理、多平台兼容及多样化编辑功能，适用于个人、教育机构、企业和政府部门等场景，确保用户数据安全且操作便捷。

AI项目与工具 2025年06月12日 44 点赞 0 评论 824 浏览

Gradio

Gradio 是一款开源 Python 工具，用于快速构建和共享机器学习模型的交互式网页界面。支持多类型输入输出组件，具备实时交互能力，并通过服务器端渲染优化性能。Gradio 5 引入性能提升、界面更新及安全性改进，支持实验性 AI Playground，广泛应用于模型演示、教育、原型开发及远程协作等领域。

AI项目与工具 2025年06月12日 43 点赞 0 评论 825 浏览

Omnitool

Omnitool是一款开源的AI桌面工具，提供统一界面整合多种AI模型，支持本地运行，保障数据隐私。兼容OpenAI、Stable Diffusion等主流平台，无需复杂配置即可实现图像生成、文本翻译、音频创建等功能。具备高扩展性，支持脚本和第三方工具集成，适用于从初学者到开发者的多场景应用，涵盖艺术创作、教育、企业开发等领域。

AI项目与工具 2025年06月12日 10 点赞 0 评论 825 浏览

FancyVideo

FancyVideo是一款由360公司与中山大学合作开发的AI文生视频模型，采用创新的跨帧文本引导模块（CTGM）。它能够根据文本描述生成连贯且动态丰富的视频内容，支持高分辨率视频输出，并保持时间上的连贯性。作为开源项目，FancyVideo提供了详尽的文档和代码库，便于研究者和开发者深入研究和应用。主要功能包括文本到视频生成、跨帧文本引导、时间信息注入及时间亲和度细化等。

AI项目与工具 2025年06月12日 28 点赞 0 评论 827 浏览

GOT-OCR2.0

创新的OCR模型，它通过先进的技术提供了精准、高效的OCR解决方案。无论是文档数字化、场景文本识别还是票据处理等应用场景，GOT-OCR 2.0都能提供强大的支持。

Ai平台模型 2026年11月10日 0 点赞 0 评论 828 浏览

EXAONE 3.5

EXAONE 3.5是一款由LG AI研究院开发的开源AI模型，包含多种参数规模版本，专长于长文本处理和复杂场景下的推理任务。其核心技术包括检索增强生成与多步推理，可显著减少错误信息并提升准确性。此外，EXAONE 3.5还具备双语支持及强大的上下文理解能力，适用于聊天机器人、语言翻译、内容创作等多个领域。

AI项目与工具 2025年06月12日 14 点赞 0 评论 828 浏览

Windows AI Foundry

Windows AI Foundry 是微软推出的全新 AI 开发平台，提供从模型选择、优化、微调到部署的全生命周期支持。平台整合 Windows ML，支持在多种硬件上高效部署模型，并基于 Foundry Local 提供优化后的开源模型库。同时，提供即用型 AI API 和 LoRA 技术，帮助开发者快速集成和微调模型，提升开发效率与灵活性。

AI项目与工具 2025年06月11日 11 点赞 0 评论 831 浏览

Gemma 3

Gemma 3 是谷歌推出的开源人工智能模型，支持多语言、多模态处理，具备文本、图像及短视频分析能力。提供多种模型尺寸，适配不同硬件环境，优化了单 GPU/TPU 性能，推理速度提升显著。内置图像安全分类器，增强内容安全性。支持多种开发工具和部署方式，适用于人脸识别、物体检测、智能助手、文本分析等场景。

AI项目与工具 2025年06月12日 20 点赞 0 评论 832 浏览

AgentGPT

是由reworkd.ai 开发的开源项目，允许用户创建自主AI智能体（AI代理）以在互联网上执行各种任务。它基于 OpenAI 开发的 GPT-3.5 和 GPT-4 模型构建，使其能够自主行动，无需人工干预。

AI写作对话 2025年06月05日 26 点赞 0 评论 832 浏览