开源

1. 首页
2. 开源

QVQ

QVQ是一个基于Qwen2-VL-72B的开源多模态推理模型，擅长处理文本、图像等多模态数据，具备强大的视觉理解和复杂问题解决能力。它在数学和科学领域的视觉推理任务中表现出色，但在实际应用中仍需解决语言切换、递归推理及图像细节关注等问题。QVQ可广泛应用于教育、自动驾驶、医疗图像分析、安全监控及客户服务等领域。

AI项目与工具 2025年06月12日 70 点赞 0 评论 430 浏览

Awesome MCP Servers

Awesome MCP Servers 是一个开源项目，整合了超过 3000 个基于 Model Context Protocol (MCP) 的服务器资源，覆盖浏览器自动化、金融、游戏、安全、科研等多个领域。它支持本地和云部署，提供丰富的开发工具和社区支持，使 AI 模型能够高效调用外部数据和服务，提升应用灵活性与功能性。

AI项目与工具 2025年06月12日 74 点赞 0 评论 431 浏览

JoyCaption

JoyCaption是一款开源图像提示词生成工具，支持多种图像风格和内容类型，具备丰富的生成模式和灵活的提示控制功能。它适用于社交媒体、图像标注、内容创作、视觉辅助及教育等多个场景，能够生成高质量的描述性字幕和提示词，提升图像处理和创作效率。该工具性能优越，且完全免费开放。

AI项目与工具 2025年01月16日 91 点赞 0 评论 431 浏览

Zonos

Zonos是一款由Zyphra开发的高保真文本到语音（TTS）模型，支持零样本语音克隆和多语言生成，具备精细的情感与语音参数控制能力。其采用Transformer和SSM混合架构，基于大规模语音数据训练，适用于有声读物、虚拟助手、多媒体创作及无障碍技术等多个领域。模型开源且支持实时语音生成，具有广泛的应用潜力。

AI项目与工具 2025年06月12日 69 点赞 0 评论 432 浏览

Video

Video-LLaVA2是一款由北京大学ChatLaw课题组开发的开源多模态智能理解系统。该系统通过时空卷积（STC）连接器和音频分支，显著提升了视频和音频的理解能力。其主要功能包括视频理解、音频理解、多模态交互、视频问答和视频字幕生成。时空建模和双分支框架是其核心技术原理。Video-LLaVA2广泛应用于视频内容分析、视频字幕生成、视频问答系统、视频搜索和检索、视频监控分析及自动驾驶等领域。

AI项目与工具 2025年06月12日 50 点赞 0 评论 432 浏览

StableV2V

StableV2V是一款基于文本、草图和图片输入的开源视频编辑工具，利用Prompted First-frame Editor（PFE）、Iterative Shape Aligner（ISA）和Conditional Image-to-video Generator（CIG）三大模块，实现视频中物体的精准编辑与替换，同时保持编辑内容与原始视频在动作和深度信息上的高度一致性，适用于电影制作、教育、

AI项目与工具 2025年06月12日 21 点赞 0 评论 434 浏览

Arxiv

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。

Ai开源项目 2025年06月05日 100 点赞 0 评论 434 浏览

ACI.dev

ACI.dev 是一个开源 AI 基础设施平台，支持 600 多种预构建工具集成，涵盖主流应用如 Gmail、Slack 和 Notion。提供灵活的函数调用和 MCP 服务器访问方式，具备多租户认证、动态工具发现及自然语言权限管理功能。平台兼容多种 LLM 框架，支持多语言开发，具备监控与日志功能，适用于智能体开发与部署。

AI项目与工具 2025年06月11日 77 点赞 0 评论 434 浏览

DeepFloyd

DeepFloyd IF是一个强大的文本到图像生成模型，能够生成高分辨率和逼真度的图像。它结合了先进的语言理解和图像生成技术，提供了多种功能，如超分辨率、风格迁移和零样本学习。

Ai绘画生成 1970年01月01日 0 点赞 0 评论 434 浏览

极客编辑器

极客编辑器是一款所见即所得富文本沉浸式写作排版编辑器，它注重高效创作，可多开文档编辑，同时支持Markdown语法输入及一键排版。

排版编辑 2025年06月05日 21 点赞 0 评论 435 浏览