开源项目
  1. 首页
  2. 开源项目

列表

Podcastfy

Podcastfy

Podcastfy 是一款基于生成式人工智能技术开发的开源工具，可将网络文章、PDF 文件及纯文本转化为多语言对话式音频。它不仅支持多源文本合并，还具备强大的文本转语音功能，允许用户选择不同的语音模型来优化音频效果。此外，其开源特性便于开发者根据需求进行个性化定制，广泛适用于内容摘要、语言本地化、教育材料转化等多个领域。
AI项目与工具 2025年06月12日
Voila

Voila

Voila是一款开源的端到端语音大模型，支持实时语音交互与多轮对话，具备高保真、低延迟的音频处理能力。集成语音与语言建模功能，支持百万级预设声音及个性化定制，适用于语音助手、角色扮演、语音翻译等场景。采用多尺度Transformer架构，提升语音理解与生成质量，降低开发成本，提高通用性与灵活性。
AI项目与工具 2025年06月11日
PDF2Audio

PDF2Audio

PDF2Audio 是一款开源工具，支持将 PDF 文档转换为音频内容，适用于播客制作、教育、业务演示等多个场景。其核心功能包括 PDF 转文本、生成播客脚本、文本转语音转换、多语言支持及高级编辑功能。用户可通过自定义选项调整文本生成模型、语音风格等，支持批量处理和多种模板适配，方便用户根据需求生成高质量音频。
AI项目与工具 2025年06月12日
Anus

Anus

Anus是一个开源自主智能体项目，支持自然语言指令执行、多代理协作、网络交互、文档处理、代码执行及多模态输入处理。其采用混合架构设计，兼容多种模型和部署方式，提供丰富的工具生态系统，适用于教育、原型开发、任务自动化等多个场景，为开发者和研究人员提供高效、灵活的AI开发平台。
AI项目与工具 2025年03月12日
Gemini Fullstack LangGraph Quickstart

Gemini Fullstack LangGraph Quickstart

Gemini Fullstack LangGraph Quickstart 是谷歌DeepMind推出的开源项目，旨在帮助开发者快速搭建基于 Google Gemini 2.5 和 LangGraph 的全栈智能研究助手。项目包含 React 前端和 LangGraph 后端，支持动态生成搜索查询、网络研究、反思推理、迭代优化搜索结果，并生成带有引用的综合答案。支持本地开发和 Docker 部署，
AI项目与工具 2025年06月11日
OpenEMMA

OpenEMMA

OpenEMMA是一个开源的端到端自动驾驶多模态模型框架，基于预训练的多模态大型语言模型（MLLMs），能够处理视觉数据和复杂驾驶场景的推理任务。它通过链式思维推理机制提升轨迹规划和感知任务性能，并集成了优化的YOLO模型以提高3D边界框预测的准确性。此外，OpenEMMA支持人类可读的输出，适用于多种驾驶环境，包括城市道路、高速公路、夜间及复杂天气条件下的驾驶。
AI项目与工具 2025年06月12日
Satori

Satori

Satori是一款由MIT和哈佛大学等机构联合开发的7B参数大语言模型，专注于提升推理能力。其采用COAT机制和两阶段训练框架，结合强化学习优化模型性能，具备自回归搜索、数学推理、跨领域任务处理以及自我纠错等核心能力。Satori在数学和逻辑推理任务中表现突出，广泛应用于科研、教育、智能客服等多个领域，代码、数据和模型均已开源。
AI项目与工具 2025年06月12日
Delta

Delta

Delta-CoMe是一种由清华大学NLP实验室牵头研发的增量压缩算法，它通过低秩分解与混合精度量化技术，显著减少了大型语言模型的存储和内存需求，同时保持了模型性能几乎无损。该工具支持多任务处理、推理加速，并广泛适用于云计算、边缘计算及学术研究等领域，特别擅长应对数学、代码和多模态任务。
AI项目与工具 2025年06月12日
OpenMemory MCP

OpenMemory MCP

OpenMemory MCP 是一款基于开放模型上下文协议（MCP）的开源工具，支持 AI 工具间共享上下文信息，提升交互效率。具备本地化存储、统一管理界面、标准化 API 及多平台兼容性，适用于软件开发、项目管理等场景。数据全程本地处理，确保隐私与安全，采用 Docker 部署并结合零知识证明技术增强安全性。</p>
AI项目与工具 2025年06月11日
TTS-vue

TTS-vue

TTS-Vue是一个开源的桌面应用程序，它利用了微软的语音合成技术，为用户提供了一个简单易用的文本到语音转换工具。
Ai语音工具 2026年11月09日