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...
AI_NovelGenerator：AI 驱动的长篇小说创作助手，支持多阶段生成与剧情一致性管理
AI_NovelGenerator 是一款基于大语言模型（LLM）的开源长篇小说创作辅助工具，旨在帮助作者高效生成情节连贯、设定统一的小说内容。该工具集成了小说设定工坊、智能章节生成...
AIMangaStudio：AI 驱动的漫画制作工具，助力创作者从脚本到分镜的全流程
AIMangaStudio 是一个基于 AI 技术的漫画制作工具，旨在帮助创作者快速生成漫画脚本、设计角色、布局分镜，并最终导出完整的漫画作品。本项目集成了 Google GenAI 等先进 A...
EchoCare：基于自监督学习的开源超声影像基础模型，支持多中心多设备泛化
EchoCare 是一个面向超声临床应用的完全开源基础模型，基于大规模无标注超声影像数据集 EchoAtlas 训练而成。该数据集覆盖全球 5 大洲 23 个临床中心、38 种不同超声设备，...
RoboBrain-X0：跨实体机器人智能框架，实现零样本泛化与复杂任务分解
RoboBrain-X0 是一个突破性的跨实体机器人智能框架，旨在克服单机器人系统在异构实体迁移中的局限性。它通过统一的动作词汇表和先进的动作令牌化技术，实现了在不同机器人平...
Open WebUI：开源自托管AI聊天界面，支持Ollama与多模型集成
Open WebUI 是一个开源的自托管 AI 平台，提供了丰富的功能和灵活的扩展性。它支持多种 LLM 运行器，包括 Ollama 和 OpenAI 兼容 API，内置 RAG 推理引擎，可用于构建自定义...
Stagehand：Browserbase 推出的智能浏览器自动化工具，让 AI 直接操作浏览器
Stagehand 是由 Browserbase 开发的 AI 浏览器自动化框架，它创新性地将确定性代码操作与 AI 自然语言指令相结合，使开发者能够构建更灵活、可靠的浏览器自动化流程。
browser-use：AI 驱动的浏览器自动化控制框架，实现网页自动化与数据交互
browser-use 是一个创新的开源项目，它将大型语言模型 (LLM) 与浏览器自动化技术相结合，实现了通过自然语言指令控制浏览器的功能。该项目使用 Playwright 作为浏览器自动化...