SceneGen：开源单图像 3D 场景生成工具，一键从图片创建完整 3D 环境
SceneGen 是一个基于 PyTorch 的开源单图像 3D 场景生成工具，能够通过一次前向传播从单张图像生成完整的 3D 场景。该项目结合了先进的深度学习技术，特别是与 SAM2 模型的...
DeepScientist：AI 驱动的科学发现自动化框架，实现科学假设生成与实验验证的全流程自动化
DeepScientist 是一个由 ResearAI 团队开发的开源 AI 科学发现框架，该项目通过构建自主生成研究假设、设计实验、执行实验和分析结果的闭环系统，大幅提高科学发现的效率。...
Zen MCP Server：开源多模型协作工作流服务器，连接各类 AI 工具与模型
Zen MCP Server 是一个开源的多模型协作工作流服务器，能够连接各类 AI 工具与模型，实现跨工具、跨模型的协同工作流。它支持主流 AI 工具和多种 AI 模型，通过 CLI 桥接与...
ReceiptHero：AI驱动的收据管理应用，轻松处理收据并分析支出
ReceiptHero是一款开源的收据管理应用，利用AI技术自动提取收据信息，帮助用户轻松管理收据、追踪支出并进行财务分析。通过简单的上传操作，用户可以将收据图片转换为结构化...
Logics-Parsing：阿里巴巴开源的复杂文档端到端解析框架
Logics-Parsing 是阿里巴巴开源的一款基于视觉语言模型的文档解析框架，能够直接从文档图像输出结构化的 HTML 内容。该项目特别优化了对科学公式、化学结构和复杂表格的识别...
LongLive：开源实时交互式AI长视频生成框架，支持 240 秒视频与 20.7 FPS 推理
LongLive 是由 NVLabs 联合 MIT、HKUST (GZ)、HKU、THU 等机构开发的开源实时交互式AI长视频生成框架，该框架基于帧级自回归设计，整合 KV-recache、流式长调优、短窗口注意...
FireRedChat：开源的全双工实时语音AI对话聊天系统
FireRedChat是一个完全自托管的全双工语音交互解决方案，旨在帮助开发者构建实时语音AI代理。该系统整合了强大的TTS、ASR、pVAD和EoT功能，使开发者能够创建可定制、注重隐...
Ming-UniAudio：开源统一语音处理框架，支持语音理解、生成与编辑的端到端模型
Ming-UniAudio是一个创新的开源框架，旨在统一语音理解、生成和编辑任务。通过基于VAE框架和因果Transformer架构的统一连续语音tokenizer（MingTok-Audio），它能够有效整合...
Code2Video：新加坡国立大学开源的代码驱动式一键自动教育视频生成框架
Code2Video是由新加坡国立大学Show Lab开发的开源教育视频生成框架，核心以代码驱动实现教育类视频的自动化生成，适用于数学（欧拉公式、傅里叶级数等）、计算机科学（神经...
openpilot：Comma AI 推出的开源自动驾驶软件，支持 300 + 车型
openpilot 是由 Comma AI 开发的开源自动驾驶平台，旨在为 300 多种支持车辆提供高级驾驶辅助功能。该项目通过软件升级方式，将普通车辆转变为智能驾驶车辆，支持自适应巡航...