开源
  1. 首页
  2. 开源

列表

Vision Parse

Vision Parse

Vision Parse 是一款开源工具，旨在通过视觉语言模型将 PDF 文件转换为 Markdown 格式。它具备智能识别和提取 PDF 内容的能力，包括文本和表格，并能保持原有格式与结构。此外，Vision Parse 支持多种视觉语言模型，确保解析的高精度与高速度。其应用场景广泛，涵盖学术研究、法律文件处理、技术支持文档以及电子书制作等领域。
AI项目与工具 2025年06月12日
Deforum

Deforum

一款开源免费软件工具，一种基于Stable Diffusion的动画生成工具，它可以根据文本描述或参考视频生成连续的图像序列，并将它们拼接在一起以创建视频。
Ai视频生成 2025年06月05日
Gradio

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

CodeName Goose

CodeName Goose
CodeName Goose
一款开源代码智能体Agent，Codename Goose不仅能自动生成代码，还能安装、执行、测试。
Ai开源项目 2025年06月05日
FaceChain

FaceChain

FaceChain是一个由阿里巴巴达摩院开发的开源AI生成框架，专为创建个人数字形象而设计。用户上传个人照片后，可生成独特且个性化的数字写真。该框架采用先进的机器学习技术，支持多风格写真生成、个性化训练、姿态控制和自定义提示词等功能，满足不同用户的多样化需求。
AI项目与工具 2024年01月01日
AgentGPT

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
Gemma 3

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
SmolVLA

SmolVLA

SmolVLA是Hugging Face开源的轻量级视觉-语言-行动（VLA）模型，专为经济高效的机器人设计。拥有4.5亿参数，可在CPU上运行，单个消费级GPU即可训练，适合在MacBook上部署。它能够处理多模态输入，生成动作序列，并通过异步推理提高控制效率。适用于物体抓取、家务劳动、货物搬运和机器人教育等场景。
AI项目与工具 2025年06月11日
IDIFY

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
FancyVideo

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