8亿参数的多语言视觉语言模型，支持OCR、图像描述、视觉推理等功能

工业级可控高效的零样本文本到语音系统

探索大型语言模型作为编程辅导工具的潜力，提出Trace-and-Verify工作流。

将电子书转换为有声书的工具。

一个具有先进语音活动检测、唤醒词激活和即时转录功能的稳健、高效、低延迟的语音到文本库。

PengChengStarling 是一个基于 icefall 项目的多语言自动语音识别（ASR）模型开发工具包。

本地运行的人工智能代理，无缝自动化工程任务。

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。

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。

Genmo 的视频生成模型，具有高保真运动和强提示遵循性。

腾讯开源的大型视频生成模型训练框架

与大型语言模型进行自然的语音对话

实时浏览器端语音识别应用

开源监控工具，提升LLM应用性能。Langtrace官网入口网址

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

实时语音和视频推理的开放标准，RTVI-AI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

强大的开源Kimi K2聊天平台，通过Kimi AI在编程和数学基准测试中超越GPT-4。企业级Kimi AI，成本降低95%。

轻松将现有代理框架中的工具、代理和调度器转换为 MCP 服务器。

一个强大的文本生成模型，适用于多种对话应用。

一个开源的多云平台客户端，支持LangGraph代理和前端应用开发。

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。

一个用于LLM预训练的高效网络爬虫工具，专注于高效爬取高质量网页数据。

开源工业级自动语音识别模型，支持普通话、方言和英语，性能卓越。

一个开源项目，用于在浏览器中演示 AI 视频生成模型。

加速数字团队的AI驱动设计转代码、可视化编辑和企业级CMS的视觉开发平台。

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。

通过视频扩散变换器将自定义照片与视频混合的项目。

开源数字人课程制作平台

开源数字人课程制作平台

开源工具，简化从非结构化文档中提取和探索结构化数据。

业界领先的开源大型混合专家模型