Proyecto AI de código abierto

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...

综合介绍 视频分析工具（Video Analyzer）是一个综合性的视频分析工具，结合了计算机视觉、音频转录和自然语言处理技术，能够生成详细的视频内容描述。该工具通过提取视频中的关键帧，转录音频内容...

Introducción Unsloth es un proyecto de código abierto diseñado para proporcionar herramientas eficientes para el ajuste fino y la formación de grandes modelos lingüísticos (LLM). El proyecto soporta una variedad de modelos bien conocidos, incluyendo Llama, Mistral, Phi, y Gemma.Unsloth...

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...

综合介绍 OmniThink 是一个创新的机器写作框架，旨在通过模拟人类认知过程中的迭代扩展和反思，生成高质量的长篇文章。该框架专注于扩展知识边界，生成的信息丰富且具有深度。OmniThink 通过构...

Introducción General OpenAI Realtime Agents es un proyecto de código abierto que tiene como objetivo mostrar cómo la API en tiempo real de OpenAI se puede utilizar para construir aplicaciones de voz corporal multi-inteligente. Proporciona un modelo de cuerpo inteligente de alto nivel (tomado de OpenAI Swarm) que permite...

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...

Descripción general SynthLight es una herramienta de reiluminación de retratos basada en un modelo de difusión. Aprende a volver a renderizar imágenes faciales sintéticas para conseguir ajustes de efectos de iluminación en fotos de retratos reales. La herramienta utiliza un motor de renderizado físico para generar conjuntos de datos que simulan transformaciones de la iluminación en diferentes condiciones de luz...

Introducción general 1-2-1-MNVTON es un proyecto de código abierto basado en GitHub cuyo objetivo es proporcionar la tecnología "Modality-specific Normalization for Virtual Try-On" (MNVTON) mediante...

综合介绍 Kokoro-ONNX是一个基于ONNX runtime的开源文本转语音（TTS）工具。该项目由thewh1teagle开发，旨在提供高效、快速的语音合成解决方案。Kokoro-ONNX支持...

综合介绍 Zerox是一个开源项目，旨在通过视觉模型将PDF、DOCX、图像等文件转换为Markdown格式。该项目由getomni-ai团队开发，提供了简单高效的OCR（光学字符识别）解决方案。Ze...

Descripción general Charla es una aplicación de chat basada en endpoints diseñada para entablar diálogos con modelos lingüísticos nativos. La aplicación se integra con el backend Ollama, admite diálogos contextuales y guarda las sesiones de chat como archivos Markdown. Los usuarios pueden...

综合介绍 MiniRAG是一个极其简单的检索增强生成（RAG）框架，旨在通过异构图索引和轻量级拓扑增强检索，使小模型也能实现良好的RAG性能。该项目由香港大学数据科学实验室（HKUDS）开发，主要解决...

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...

Introducción Bailing (Bailing) es un asistente de diálogo por voz de código abierto diseñado para entablar un diálogo natural con los usuarios a través del habla. El proyecto combina tecnologías de reconocimiento del habla (ASR), detección de la actividad de la voz (VAD), modelado amplio del lenguaje (LLM) y síntesis del habla (TTS) para lograr...

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...

综合介绍 OpenAI Edge TTS 是一个开源项目，提供与 OpenAI 兼容的本地文本转语音（TTS）API。该项目使用 Microsoft Edge 的在线文本转语音服务，允许用户生成高质量...

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...