开源

1. 首页
2. 开源

Animate Anyone

Animate Anyone是一款由阿里巴巴智能计算研究院开发的开源框架，旨在将静态图像中的角色或人物动态化。它采用扩散模型，结合ReferenceNet、Pose Guider姿态引导器和时序生成模块等技术，确保输出的动态视频具有高度一致性和稳定性。该框架支持多种应用，包括角色动态化、时尚视频合成及人类舞蹈生成，用户可通过GitHub或Hugging Face社区轻松体验。

AI项目与工具 2025年06月12日 19 点赞 0 评论 496 浏览

Poetry2Image

Poetry2Image是一个由哈尔滨工业大学提出的迭代校正框架，专门用于中文古诗词的图像生成。该工具通过自动化反馈和校正机制，提升了诗歌与图像的一致性，解决了文本到图像生成模型在处理中文古典诗歌时常见的关键元素丢失或语义混淆问题。Poetry2Image具备搜索翻译、生成初始图像、提取关键元素、图像修正及迭代优化等功能，与多种图像生成模型结合使用时，其元素完整性和语义一致性表现优异，适用于古诗词

AI项目与工具 2025年06月12日 55 点赞 0 评论 497 浏览

VidTok

VidTok（Video Tokenizer）是一款由微软开发的开源视频处理工具，通过高效的算法将视频内容转化为“视频词”，支持连续与离散分词化，具有灵活的压缩率和多样的隐空间，适用于视频生成、内容建模及数据压缩等场景。其混合模型架构结合卷积与采样模块，辅以有限标量量化技术，实现了高质量视频重建与高效数据处理。

AI项目与工具 2025年06月12日 54 点赞 0 评论 498 浏览

Heygem

Heygem是一款由硅基智能推出的开源数字人模型，支持Windows系统。它可通过1秒视频或照片快速生成数字人形象和声音，30秒内完成克隆，60秒合成4K视频。具备多语言支持、100%口型匹配、低配置运行等优势，适用于内容创作、教育、直播、影视及客服等多个领域，提供高效、低成本的数字人解决方案。

AI项目与工具 2025年06月12日 18 点赞 0 评论 498 浏览

DUIX

硅基智能打造的AI数字人智能交互平台。通过将数字人交互能力开源，开发者可自行接入多方大模型、语音识别（ASR）、语音合成（TTS）能力，实现数字人实时交互。

Ai开源项目 2025年06月05日 84 点赞 0 评论 498 浏览

PDF2Audio

PDF2Audio 是一款开源工具，支持将 PDF 文档转换为音频内容，适用于播客制作、教育、业务演示等多个场景。其核心功能包括 PDF 转文本、生成播客脚本、文本转语音转换、多语言支持及高级编辑功能。用户可通过自定义选项调整文本生成模型、语音风格等，支持批量处理和多种模板适配，方便用户根据需求生成高质量音频。

AI项目与工具 2025年06月12日 35 点赞 0 评论 498 浏览

unsloth

Unsloth 是一款高效开源的LLM微调工具，通过优化计算流程和GPU内核设计，大幅提升训练速度并降低内存占用。支持多种主流大模型，提供动态量化、长上下文支持等功能，适用于学术研究、企业应用及资源受限环境中的模型优化。

AI项目与工具 2025年06月12日 44 点赞 0 评论 498 浏览

MarsX

一个专注于通过 AI 和微应用商店简化软件开发流程的软件开发平台，结合了AI、无代码和传统编码功能，让软件开发流程变得更简单。

Ai编程建站 2025年06月05日 64 点赞 0 评论 499 浏览

DeepSeek V3

DeepSeek V3是一款由幻方量化旗下的深度求索公司开源的AI模型，拥有6850亿参数，采用混合专家架构。它在多语言编程、长文本处理和对话交互方面表现出色，能够生成高质量代码、优化现有代码、协助调试、生成文本、分析文本、润色文本，并支持自然对话和多轮对话。此外，它在多个基准测试中表现出色，包括编程、数学、推理等领域。

AI项目与工具 2025年06月12日 53 点赞 0 评论 499 浏览

MCP Servers

MCP Servers是字节跳动推出的大模型生态平台，为开发者提供高效、灵活的大模型开发与部署环境。通过MCP协议集成搜索、数据库、API等工具，支持模块化开发和全链路闭环。平台整合MCP Market、火山方舟和Trae，实现从工具调用到应用部署的全流程。支持Local和Remote部署模式，涵盖自动化代码生成、智能数据库运维、跨仓库调试等应用场景，助力开发者提升效率。

AI项目与工具 2025年06月11日 21 点赞 0 评论 499 浏览