GitHub
  1. 首页
  2. GitHub

列表

Bark

Bark

Bark是一款开源的文本到音频转换模型，由Suno AI开发，能够生成逼真的多语言语音及多种音频类型，包括音乐和背景噪音，并支持非语言交流的声音。该模型提供预训练模型，适用于研究和商业用途。其主要功能涵盖文本到音频转换、多语言支持、音频多样性和非语言交流模拟。Bark在多语言内容创作、音频内容生成和非语言交流场景中具有广泛应用。
AI项目与工具 2025年06月12日
Video

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
GPTEngineer

GPTEngineer

GPTEngineer 是一款基于AI技术的开源工具，通过简单的文本提示快速生成网页应用原型。它支持自然语言交互，能够根据用户描述自动生成代码，并具备代码改进、错误检测与修正等功能。此外，GPTEngineer 还支持与 GitHub 同步和一键部署。该工具兼容多种AI模型，适用于快速原型开发、Web应用开发、自动化测试、代码重构及教育等多个领域。
AI项目与工具 2025年06月12日
Spirit LM

Spirit LM

Spirit LM 是一种由 Meta AI 开发的多模态语言模型，能够处理文本和语音数据，支持跨模态学习。其基础版（BASE）和表达版（EXPRESSIVE）分别侧重于语义理解和情感表达。Spirit LM 可用于自动语音识别（ASR）、文本到语音（TTS）、语音分类及情感分析等任务，在语音助手、语音转写、有声读物等领域具有广泛应用前景。
AI项目与工具 2025年06月12日
MEXMA

MEXMA

MEXMA是一种由Meta AI研发的预训练跨语言句子编码器，通过结合句子级和词语级目标优化句子表示质量。它支持80种语言，广泛应用于跨语言信息检索、机器翻译、多语言文本分类、语义文本相似度评估及跨语言问答系统等领域，并展现出卓越的性能。
AI项目与工具 2025年06月12日
GitHub Spark

GitHub Spark

GitHub Spark是一款基于自然语言处理的AI编程工具，支持多种高级AI模型，允许用户通过自然语言描述需求快速生成微应用程序。其主要功能包括即时预览、多模型选择、自动保存和版本控制。用户可以轻松定制应用程序的外观和功能，适用于个人生产力、教育、财务、健康及娱乐等多个领域。
AI项目与工具 2025年06月12日
Stagehand

Stagehand

Stagehand 是一款基于自然语言处理的 AI 工具，专注于网页自动化操作。其核心功能包括自然语言驱动的 `act`、`extract` 和 `observe` API，支持原子化指令执行和多模型适配。Stagehand 可实现网页测试、数据抓取、表单操作及内容监控等多样化任务，广泛应用于网页测试、数据分析、办公自动化等领域。
AI项目与工具 2025年06月12日
T

T

T-Rex Label是一款基于AI的自动标注工具，依托T-Rex2模型实现一键标注和零样本检测功能。它通过视觉提示简化标注流程，无需额外训练即可直接应用于多种场景，包括农业、工业、生物医药等。用户可通过GitHub账号快速登录并上传数据，利用AI自动生成初步标注结果，随后人工检查与修正，最终导出为常用格式供模型训练使用。
AI项目与工具 2025年06月12日
clone

clone

Clone-Voice是一款基于深度学习的声音克隆工具，支持16种语言的文本转语音及声音风格转换，具有友好的操作界面和较低的硬件要求。它被广泛应用于视频制作、语言学习、有声出版物创作、广告宣传及游戏开发等领域，为用户提供多样化的个性化声音解决方案。
AI项目与工具 2025年06月12日
Lovable

Lovable

Lovable是一款利用自然语言处理技术的AI编程工具，支持用户通过对话生成代码并快速构建网站和Web应用程序。它具备数据库集成、代码同步、大型代码库处理等核心功能，适用于原型开发、非技术团队、独立开发者及企业软件开发等多种场景，显著提升开发效率并降低技术门槛。
AI项目与工具 2025年06月12日