开源

1. 首页
2. 开源

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 36 点赞 0 评论 656 浏览

FreeMind

FreeMind是一款基于java的免费的脑图(mind mapping)制作与管理软件。 支持的平台：Windows、Linux和Mac多种操作系统。

思维导图 2025年06月05日 20 点赞 0 评论 655 浏览

BabelDOC

BabelDOC是一款专为科学论文翻译设计的开源PDF处理工具，支持双语对照显示，保留原文格式如公式、图表等。兼容多种翻译引擎，支持自定义模型接入，适用于学术、商业和技术文档翻译，提供在线和本地部署方式，保障翻译准确性和排版一致性。

AI项目与工具 2025年06月12日 24 点赞 0 评论 654 浏览

LazyGraphRAG

LazyGraphRAG是微软研究院推出的一种图形增强生成增强检索框架，旨在降低数据索引成本并提升查询效率。相比GraphRAG，其索引成本仅为其0.1%，并通过混合搜索策略优化查询性能。该工具支持本地与全局查询，适用于多种应用场景，包括内容推荐、项目管理和客户服务等，且计划开源以促进技术普及。

AI项目与工具 2025年06月12日 64 点赞 0 评论 654 浏览

COMET

COMET是字节跳动开发的Mixture-of-Experts（MoE）模型优化系统，通过细粒度计算-通信重叠技术和自适应负载分配机制，显著提升分布式训练效率。它在大规模模型中实现单层1.96倍、端到端1.71倍的加速，具备强鲁棒性与泛化能力，支持多种硬件环境和并行策略，核心代码已开源并可无缝集成至主流训练框架。

AI项目与工具 2025年06月12日 12 点赞 0 评论 651 浏览

Stagehand

Stagehand 是一款基于自然语言处理的 AI 工具，专注于网页自动化操作。其核心功能包括自然语言驱动的 `act`、`extract` 和 `observe` API，支持原子化指令执行和多模型适配。Stagehand 可实现网页测试、数据抓取、表单操作及内容监控等多样化任务，广泛应用于网页测试、数据分析、办公自动化等领域。

AI项目与工具 2025年06月12日 51 点赞 0 评论 651 浏览

VoiceCanvas

VoiceCanvas 是一款开源的多语言语音合成平台，基于 AI 技术提供高质量文字转语音服务，支持超过 50 种语言。用户可通过上传简短音频实现个性化声音克隆，并集成多种语音服务以保障输出质量。平台适用于内容创作、教育、企业及个人等多种场景，提升语音内容制作效率。

AI项目与工具 2025年06月11日 96 点赞 0 评论 651 浏览

Whisper Input

Whisper Input 是一款开源语音输入工具，基于 Python 和 OpenAI Whisper 模型开发，支持多语言语音识别与实时转录。用户可通过快捷键操作录音并生成文本，具备翻译、自动标点、高效处理及本地运行等功能。适用于会议记录、教育、智能交互及媒体制作等多种场景。

AI项目与工具 2025年06月12日 29 点赞 0 评论 650 浏览

Ultravox

Ultravox 是一种多模态大型语言模型（LLM），能够直接处理文本和语音输入，无需额外的语音识别步骤。其核心技术包括多模态投影器，用于将音频数据转换为高维空间表示，显著提升语音理解和处理效率。该模型支持实时语音对话、多语言扩展及领域特定知识的学习，适用于智能客服、虚拟助手、语言学习、实时翻译及教育等领域。

AI项目与工具 2025年06月12日 51 点赞 0 评论 650 浏览

FreeImages

FreeImages，免费无版权图片素材资源下载网站。其中包括了超过 400000张免费照片和图片，分类很清晰,无需注册就能直接下载。

免商图片 2025年06月05日 23 点赞 0 评论 650 浏览