AI Open-Source-Projekt

综合介绍 Midscene.js是一个由AI驱动的浏览器自动化工具，能够通过自然语言指令来控制网页、执行断言和提取数据。它支持Chrome扩展、JavaScript SDK和YAML脚本，简化了UI测...

Comprehensive Introduction Video Analyzer ist ein umfassendes Videoanalysetool, das Computer Vision, Audiotranskription und Techniken zur Verarbeitung natürlicher Sprache kombiniert, um detaillierte Beschreibungen von Videoinhalten zu erstellen. Das Tool transkribiert Audioinhalte, indem es Schlüsselbilder aus dem Video extrahiert...

Umfassende Einführung Unsloth ist ein Open-Source-Projekt, das effiziente Werkzeuge für die Feinabstimmung und das Training großer Sprachmodelle (LLMs) bereitstellt. Das Projekt unterstützt eine Vielzahl bekannter Modelle, darunter Llama, Mistral, Phi und Gemma...

综合介绍 MaxKB（Max Knowledge Base）是一款基于大语言模型和RAG（检索增强生成）的开源知识库问答系统。该系统广泛应用于智能客服、企业内部知识库、学术研究与教育等场景。MaxKB...

Umfassende Einführung OmniThink ist ein innovatives Framework für maschinelles Schreiben, das entwickelt wurde, um qualitativ hochwertige Essays zu erstellen, indem es die iterative Erweiterung und Reflexion menschlicher kognitiver Prozesse nachahmt. OmniThink konzentriert sich darauf, die Grenzen des Wissens zu erweitern und Informationen zu generieren, die reichhaltig und tiefgründig...

综合介绍 OpenAI Realtime Agents是一个开源项目，旨在展示如何利用OpenAI的实时API来构建多智能体的语音应用。它提供了高级的智能体模式（借鉴 OpenAI Swarm），允许...

综合介绍 DeepFace是一个轻量级的面部识别和面部属性分析（包括年龄、性别、情绪和种族）的Python库。它集成了多种先进的面部识别模型，如VGG-Face、FaceNet、OpenFace、De...

综合介绍 SynthLight 是一个基于扩散模型的肖像重光照工具。它通过学习重新渲染合成的人脸图像，实现对真实肖像照片的光照效果调整。该工具利用物理渲染引擎生成数据集，模拟不同光照条件下的光照转换...

Allgemeine Einführung 1-2-1-MNVTON ist ein GitHub-basiertes Open-Source-Projekt, das darauf abzielt, die Technologie "Modality-specific Normalization for Virtual Try-On" (MNVTON) durch...

Umfassende Einführung Kokoro-ONNX ist ein Open-Source-Tool für Text-to-Speech (TTS), das auf der ONNX-Laufzeitumgebung basiert. Entwickelt von thewh1teagle , zielt das Projekt darauf ab, effiziente und schnelle Sprachsyntheselösungen bereitzustellen.Kokoro-ONNX unterstützt ...

Allgemeine Einführung Zerox ist ein Open-Source-Projekt, das entwickelt wurde, um PDF, DOCX, Bilder und andere Dokumente durch visuelle Modelle in das Markdown-Format zu konvertieren. Das Projekt wird vom getomni-ai Team entwickelt und bietet eine einfache und effiziente OCR (Optical Character Recognition) Lösung....

综合介绍 Charla 是一个基于终端的聊天应用程序，旨在与本地语言模型进行对话。该应用程序集成了 Ollama 后端，支持上下文感知的对话，并将聊天会话保存为 Markdown 文件。用户可以通过简...

Eine umfassende Einführung MiniRAG ist ein extrem einfaches Retrieval Augmented Generation (RAG)-Framework, das darauf abzielt, eine gute RAG-Leistung auch für kleine Modelle durch heterogene Graphenindizierung und ein leichtgewichtiges topologieerweitertes Retrieval zu ermöglichen. Es wurde vom Data Science Laboratory der Universität von Hongkong (HKUDS) entwickelt, um ...

综合介绍 Omni-RGPT 是一个多模态大语言模型，旨在实现图像和视频的区域级理解。通过引入 Token Mark 技术，Omni-RGPT 能够在视觉特征空间内高亮目标区域，并通过区域提示（如框或...

综合介绍 百聆（Bailing）是一个开源的语音对话助手，旨在通过语音与用户进行自然的对话。该项目结合了语音识别（ASR）、语音活动检测（VAD）、大语言模型（LLM）和语音合成（TTS）技术，实现了...

综合介绍 元界AI（开源版）是一个托管在 GitHub 上的项目，，由 libn-net 团队开发。它能通过 AI 技术克隆数字人形象和声音，生成短视频，还支持配音和字幕制作。这个工具提供 Windo...

综合介绍 WikiChat是由斯坦福大学开发的一款实验性聊天机器人，旨在通过从维基百科检索数据来提高大语言模型的事实性。大语言模型（如ChatGPT和GPT-4）在处理最新信息或不太流行的话题时，往往...

Allgemeine Einführung OpenAI Edge TTS ist ein Open-Source-Projekt, das eine native Text-to-Speech (TTS) API bereitstellt, die mit OpenAI kompatibel ist.

综合介绍 AIEvo是蚂蚁集团开源的多代理框架，旨在高效创建多代理应用。该框架严格遵循SOP任务图，提升复杂任务的执行成功率，并通过反馈和监控机制确保高灵活性和可扩展性。AIEvo已在蚂蚁集团内部生产...