AI开源项目

FunASR 基础语音识别工具包
FunASR 基础语音识别工具包
FunASR希望在语音识别的学术研究和工业应用之间架起一座桥梁。 通过发布工业级语音...
GPT-SoVITS
GPT-SoVITS
强大的少样本语音转换与语音合成Web用户界面。 功能： 零样本文本到语音（TTS）：...
OpenVoice
OpenVoice
OpenVoice 是 myshell ai 开源的一款基于人工智能技术的语音克隆工具。 其核心...
IOPaint
IOPaint
IOPaint 是一款免费、开源且完全可自行托管的修复/修复工具，由最先进的 AI 模型...
CapsWriter-Offline 语音输入 字幕转录工具
CapsWriter-Offline 语音输入 字幕转录工具
这是 CapsWriter-Offline ，一个 PC 端的语音输入、字幕转录工具。 两...
MaterialSearch AI本地文搜图、图搜图
MaterialSearch AI本地文搜图、图搜图
MaterialSearch是一个支持中文的本地素材搜索工具，可以扫描本地图片和视频，并支持...
Buzz：离线开源免费语音转文字（字幕）
Buzz：离线开源免费语音转文字（字幕）
基于Whisper的GUI软件：Buzz：离线语音转文字（字幕） Whisper 是什么？ Whisp...
WhisperDesktop 本地音频转文字软件
WhisperDesktop 本地音频转文字软件
可实现本地电脑的音频转文字软件！完全免费开源！支持 Windows、macOS、Linux （目...
FunClip自动化视频剪辑工具
FunClip自动化视频剪辑工具
FunClip是一款完全开源、本地部署的自动化视频剪辑工具，通过调用阿里巴巴通义实验室...
ModelScope-Agent
ModelScope-Agent
Modelscope-Agent 是一个可自定义且可扩展的代理框架。单个代理具有角色扮演、LLM...
MiniCPM3-4B
MiniCPM3-4B
IT之家 9 月 6 日消息，面壁智能官方公众号昨日（9 月 5 日）发布博文，宣布推出开源...
EchoMimicV2
EchoMimicV2
EchoMimicV2利用参考图像、音频剪辑和一系列手势来生成高质量的动画视频，确保音频...
Janus Pro 统一多模态理解与生成模型
Janus Pro 统一多模态理解与生成模型
Janus-Pro是什么 Janus 是由 DeepSeek 团队开发的一系列统一多模态理解与生成模型...
Gemini-cli
Gemini-cli
Gemini CLI是什么 Gemini CLI是一款命令行AI工作流工具。它连接到用户的工具...
混元图像3.0 多模态图像生成模型
混元图像3.0 多模态图像生成模型
混元图像3.0（HunyuanImage-3.0 ）是一个突破性的原生多模态模型，它在自回归框架内...
Nano Banana图片生成提示词库
Nano Banana图片生成提示词库
这是一个精选的有趣且富有创意的示例合集，使用 Nano Banana🍌 和基于 Gemini-2.5...