AI编程

卡卡字幕助手 | VideoCaptioner,一款基于 LLM 的智能字幕助手，无需GPU一键高质量字幕视频合成！支持生成、断句、优化、翻译全流程。卡卡字幕助手让视频字幕制作简单高效！优化、翻译，字幕视频全流程一键处理！

MinerU,一站式开源高质量数据提取工具，支持PDF、网页、多格式电子书提取，自动识别并转换LaTeX格式、HTML格式，自动OCR，支持多语言。

AnchorCrafter,一个由计算所、美团、腾讯等机构合作研发，专为电商场景设计，能够自动生成具有主播风格的AI虚拟主播带货视频神器。

HandyArrows手绘箭头,一个提供手绘风格 SVG 箭头素材的网站，HandyArrows上所有素材均为免费开源，并可商用，适用于各种设计需求，如演示文稿、网页设计等。

VISION XL,一款专注于视频质量修复与增强的全新工具，VISION XL利用潜在扩散模型来解决高清视频的逆问题，能够在资源要求较低的环境下提供出色的修复与超分辨率能力。

LogoCreator,一款由开源达人Hassan打造的AI Logo设计工具，LogoCreator依托Together AI平台的Flux模型实现，为用户提供智能、高效的Logo生成功能。

TianliGPT,一个专业的文字摘要生成工具，你可以将需要提取摘要的文本内容发送给TianliGPT，稍等一会他就可以给你发送一个基于这段文本内容的摘要，可以安装在WordPress等系统上。

Gzm Design,一个免费开源的海报设计器，Gzm Design使用最新的Vue3,vite4,TypeScript等主流技术开发，开箱即用。

DataRoom,一个高度集成的、开源的大屏设计与数据可视化工具，基于SpringBoot、MyBatisPlus、Vue、ElementUI、G2Plot和Echarts等技术栈构建。

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。

Cherry Studio,一款开源的支持多种大型语言模型（LLM）桌面AI客户端，集成了多个LLM，支持Ollama本地模型部署。

Tarsier,字节跳动推出的一系列大规模视觉语言模型（LVLM），专注于视频理解任务，包括视频描述、问答、视频定位、幻觉测试等功能。

Go-with-the-Flow,通过结构化潜噪声采样来控制运动，Go-with-the-Flow能实现多种视频生成和编辑效果，包括：局部物体运动控制、全局相机运动控制和运动迁移。

Midscene.js,一款基于AI的自动化浏览器助手，能够通过自然语言操作网页。你只需描述要执行的任务，Midscene.js会自动处理网页，如发推文、验证内容、搜索信息等功能。

JoyGen,京东科技与香港大学合作开发的音频驱动3D说话人脸视频生成框架，提供精确的唇部与音频同步，以精确模拟说话者的唇部动作和面部表情，让生成的视频更逼真。

Hibiki,Kyutai Labs开发的高保真实时语音翻译模型，可以保留原声特点并进行实时翻译，边听边翻译，像同声传译一样实时输出，同时生成语音和文字翻译。

AstrBot,一个开源的多平台 LLM 聊天机器人及开发框架，支持多个消息平台的集成，如QQ、微信，AstrBot支持多种大型语言模型（LLM）的接入。

InspireMusic,阿里通义实验室开源的音乐生成技术，一款集音乐生成、歌曲生成、音频生成能力为一体的开源AIGC工具包。

FireRedASR,小红书FireRed 团队发布并开源的基于大模型的语音识别模型，它在中文普通话语音识别领域取得了新的SOTA，FireRedASR支持方言、英语及歌词识别。

FlashVideo,字节跳动和香港大学联合推出的一种高效的高分辨率视频生成框架，适用于文本到视频的生成。

DeepClaude,一个将DeepSeek R1模型推理能力和Claude的代码生成能力的开源工具，提供统一的API和聊天界面，还可自定义配置、具有低延迟等特点。

Enhance-A-Video,新加坡国立大学、上海人工智能实验室和德克萨斯大学奥斯汀分校联合开发的视频生成增强算法。

LangBot,一个开源大模型原生即时通信机器人平台，支持多平台（如 微信、飞书 等）和多种大语言模型（如 ChatGPT、DeepSeek等)，具备多模态交互能力。

Video-Subtitle-Master,一个用于批量为视频生成字幕的客户端开源工具，并支持将字幕翻译成其他语言。

Proxy,Convergence Ai开发的基于LMLM的个人AI智能体，Proxy具备自动化浏览Web的能力，能够通过自然语言交互来帮助用户完成各种日常任务。

LiberSonora,一个基于AI的、开源有声书工具集，LiberSonora提供智能字幕提取、AI标题生成、多语言翻译等功能，并且支持 GPU 加速、批量离线处理。

Simba,一个能够帮助用户轻松收纳各种文档的强大工具，Simba可以作为一个后端知识库与任何检索增强生成（RAG）系统进行无缝集成。

Light-A-Video,一个应用于逐帧图像重光照模型的简单应用，无需重新训练DiT视频模型，即可实现调整视频的光照效果，并且生成的视频帧在光源和外观上更加一致。

RAGFlow,一种用于检索增强生成（RAG）架构的框架，适用于需要动态生成内容且依赖外部知识库的场景，如智能客服、文档生成和数据分析等。

MakeAnything,一个基于扩散变换器的序列生成模型，通过其强大的生成能力，生成一致性的序列图像。

Step-Audio,由阶跃星辰与吉利汽车集团联合研发的一个开源的集成语音识别、语义理解、对话生成、语音克隆、音频编辑和语音合成等功能的语音交互模型。

Step-Video-T2V,一个由阶跃星辰与吉利汽车合作开源的先进文本到视频生成模型。支持中文与英文提示输入，应用于在如广告、影视制作、自动化内容创作等场景。

Phantom,字节跳动基于跨模态对齐的主体一致性视频生成系统，Phantomsk可以严格保持参考脸部的身份特征，同时生成生动的视频内容。

WeChat Bot,基于WeChaty结合OpenAI ChatGPT、Kimi、讯飞等多种AI服务实现的开源微信机器人项目，用于自动回复微信消息或管理微信群/好友。

MultiPost,可辅助你通过自动化的方式规划自媒体的内容发布，一键将内容发布到多个平台，开源免费。

NeuraPress,一款专注于微信公众号排版的Markdown编辑器，支持移动端，搭配DeepSeek和微信公众号助手，利用碎片化时间，通过手机就能编辑并发布带有排版效果的公众号文章。

HiveChat,一个专为中小型团队设计的开源AI聊天机器人项目，支持Deepseek、OpenAI、Claude和Gemini等多种主流AI模型。

Doocs,一款高度简洁的微信 Markdown 编辑器，支持 Markdown 语法、色盘取色、多图上传、一键下载文档、自定义 CSS 样式、一键重置等特性。

Anda,一个以Rust为基础构建的AI智能体框架，整合了ICP区块链并且支持TEE环境，Anda的目标在于构建一个能够高度组合、自主运行且拥有持续记忆能力的AI智能体网络。

Memento,一款基于mpv构建的开源视频播放器，专为学习日语设计。它巧妙地将视频播放与语言学习功能结合，支持通过影视内容进行语法分析、生词捕捉和记忆卡片制作。

Arxiv-Markdown-Parser-Plugin,一款能够一键将arXiv上的论文转换为Markdown格式的浏览器插件，无论该论文呈现的是摘要、PDF版本还是HTML版本。

SurveyX,一个利用大型语言模型（LLMs）生成高质量、特定领域学术论文和调查的先进学术调查自动化系统。

Awesome-Ollama-Server ,一个用于实时监控和检测 Ollama 服务可用性和性能的系统。支持多语言，能够方便用户进行服务检测和性能监控。

Magic Resume,一个现代化的在线简历编辑器，它基于 Next.js 和 Framer Motion 构建，可以让用户能够轻松创建专业的简历。

PPTist,一款可以完全在浏览器中运行的在线PPT工具，支持在浏览器中编辑和展示 PPT和通过AI生成PPT。它还原了大部分PowerPoint 常用功能。

MetaGPT,一个开源的多智能体框架，由DeepWisdom团队开发，在2023年6月正式开源。它能借助大语言模型（LLM）让多个智能体协作，为复杂任务提供自动化的解决方案。

SwiftChat,一款基于React Native开发的快速、安全、跨平台聊天应用，支持实时流式聊天功能和Markdown语法，还可以生成AI图像，兼容DeepSeek、Amazon Bedrock、Ollama和OpenAI等模型。

Maple Mono,一款专注于优化编码体验的开源等宽字体，它提供无限的字体粗细和手工微调的斜体字形，圆角设计使其看起来丝滑舒适，特别适合长时间编码工作。

Coze on WeChat,一个基于微信平台开发的智能助手，主要对接 Coze 平台，支持大部分 Coze Bot 功能。它允许用户通过微信与 AI 聊天机器人进行交互，支持文本、语音等多种交互方式。

AutoGen,微软开发的一个开源框架，用于构建和管理基于LLM的多代理系统。它允许用户创建多个Agent，这些代理可以通过对话协作完成复杂的任务。