通过视频扩散变换器将自定义照片与视频混合的项目。

AI驱动的开源笔记/研究平台，尊重您的隐私。

开源AI语音处理工具包，支持语音增强、分离和目标说话人提取。

ComfyUI节点，用于MMAudio模型的音频处理

音频采样器，创造音乐节奏

开源AI代码编辑器，提供强大的AI功能和完全的数据控制。

开源AI开发者助手，提升开发效率。

领先的指令遵循模型家族，提供开源数据、代码和指南。

与任何大型语言模型进行快速的免提语音交互。Open-LLM-VTuber官网入口网址

精选全球AI前沿科技和开源产品，漫话开发者UWL.ME官网入口网址

智能AI辅助编写邮件模板，简化邮件发送流程。Volamail官网入口网址

一款开源的14B参数量的数学模型，通过强化学习训练，性能卓越。

Aya Vision 32B 是一个支持多语言的视觉语言模型，适用于OCR、图像描述、视觉推理等多种用途。

Migician 是一个专注于多图像定位的多模态大语言模型，能够实现自由形式的多图像精确定位。

SkyReels V1 是一个开源的人类中心视频基础模型，专注于高质量影视级视频生成。

一个基于音频驱动的实时2D聊天头像生成模型，可在仅使用CPU的设备上实现30fps的实时推理。

一个开源的多智能体聊天界面，支持在一个动态对话中管理多个智能体。

Xyne 是一款开源的、以 AI 为先的搜索与答案引擎，专为工作场景设计。

On-device Sora 是一个基于扩散模型的移动设备端文本到视频生成项目。

开源的工业级普通话自动语音识别模型，支持多种应用场景。

中英双语对话模型 ChatGLM-6B，支持在单张消费级显卡上进行推理使用，支持中英双语问答的对话语言模型，并针对中文进行了优化，清华开源模型ChatGLM-6B可本地官网入口网址

BBT-2-12B-Text基于中文700亿tokens进行预训练，经过指令微调的BBT-2基础模型可以回答百科类和日常生活的问题。BBT-2.5-13B-Text基于中文+英文 2000亿tokens进行预训练，乾元BigBangTransformer官网入口网址

一个开源项目，用于在浏览器中演示 AI 视频生成模型。

地球科学的开源大预言模型，首先在收集和清理过的地球科学文献（包括地球科学开放存取论文和维基百科页面）上对 LLaMA 进行进一步预训练，然后使用知识密集型指令调整数据（GeoSignal）进行微调，K2-上海交通大学官网入口网址

DeepSeek-R1-Distill-Qwen-7B 是一个开源的推理模型，专注于数学、代码和推理任务。

一种新颖的图像到视频采样技术，基于Hunyuan模型实现高质量视频生成。

DeepSeek-R1-Distill-Llama-70B 是一款基于强化学习优化的大型语言模型，专注于推理和对话能力。

一个基于文本生成图像的预训练模型，具有80亿参数和Apache 2.0开源许可。

DeepSeek-R1-Distill-Qwen-32B 是一款高性能的开源语言模型，适用于多种文本生成任务。

AI语音代理测试与可观测性平台

一个强大的OCR包，使用最先进的视觉语言模型提取图像中的文本。

隐私优先，自托管的全开源个人知识管理系统