500行代码实现类似 Perplexity 的生成式搜索引擎
使用LLMs 和计算机视觉技术（GPT-4V）实现浏览器自动化操作工作流
一步完成将一张图片转换成另一张风格或特征的图片
自动分析视频，提取最有趣的部分，并对其进行裁剪以改善观看体验
开源AI搜索引擎
开源浏览器自动化操作Agents
使用日常设备在家中运行自己的人工智能集群
开源 Sora AI 视频生成器模板，Sora API 发布后可快速替换上线
OpenAI Sora资源大汇总
北大-兔展AIGC联合实验室实现开源 Sora的 Open-Sora 计划
好用的PC端的语音输入工具
通过摄像头将任何一张纸变成一架钢琴
“Do Anything Now” 论文中使用的 15,140 个 ChatGPT 提示
Windows Recall/Rewind.ai的开源替代
一体化端到端的 OCR 模型，可以处理各种复杂OCR任务
开源金融大模型
Android 开源、离线实时翻译应用，外语沟通神器
AI音频制作工具，支持语音克隆、LLM 预处理、RVC 增强和自动评估等
将 ArXiv.org 论文转为音频/视频
开源AI对冲基金
OpenAI Strawberry(o1) 和推理技术大汇总
ChatTTS资源大全，免费体验地址，音色库等
用于对科学文献 PDF 或文本文件进行高精度检索增强生成 (RAG) 的软件包
开源AI Agent平台，用于金融应用的大型语言模型
收集AI科技领域高质量信息源，避免信息差和信息茧房
开发大语言模型程序框架
将 nanoGPT 架构的完整推理用一个电子表格来实现，帮助更好了解 GPT 的工作原理
基于Stable Diffusion的文字转动画模型AnimateDiff的官方实现
使用 LLM校正来增强扫描 PDF 的 Tesseract OCR 输出
简易语音工具箱，提供了包括语音模型训练在内的多种自动化音频工具
适用于 Windows、MacOS 和 Ubuntu 的 GPT-4o
基于 Llama-3.1 70b on Groq 实现类似 OpenAI o1推理链的开源项目
微软Azure开源的自动为项目生成多语言翻译的工具
集导演、编剧、制片人和视频生成器于一体的Agent视频生成
大模型Token价格计算器
适用于 Apple Silicon 的 Whisper 语音识别模型的设备端推理工具
语音处理工具箱，支持本地语音识别、语音合成、说话人识别、VAD、声音事件检测、语种检测等
实时交互流式数字人，实现音视频同步对话。基本可以达到商用效果
开源多媒体AI内容搜索引擎
AI模型统一调用接口
阿里巴巴开源的新闻时间线摘要生成系统
吴恩达老师开源的AI 翻译 Agent
京东健康开源的音频驱动的数字人头项目
多个文本转语音 (TTS) 提供商的统一接口封装
虚拟 3D 空间中端到端电影自动化多代理框架
AI流行趋势发掘器，追踪X上的热门话题
一键转录YouTube视频，粘贴YouTube链接即可将视频音频转成文本
开源版 Cursor，类似项目： codeium ，continuedev
开源AI视频转动漫风格工具
在浏览器中运行大模型
语音文本基础模型和全双工口语对话框架
由发行ai16z Token Web3项目开源的AI agent框架
为AI Agent 构建的开源浏览器API
功能强大且多功能的AI文档解析器
3小时完全从0训练一个仅有26M的小参数GPT，最低仅需2G显卡即可推理训练！
用于长故事可视化的免训练迭代框架
开源AI PPT 生成器 ，Gamma 的开源替代
AI 图像搜索工具，提供基于内容、文本和视觉相似性的系统范围搜索，基于OpenAI的CLIP模型
阿里巴巴开源的Deep Research Agent
多智能体 AI 系统，自动将研究论文转换为交互式 AI 代理
