GigaBrain-0：开源多模态世界模型，赋能视觉 - 语言 - 动作协同智能交互
GigaBrain-0 是一款开源的视觉 - 语言 - 动作融合模型，以世界模型为核心技术支撑，能够同时处理视觉输入、语言指令和动作输出，实现智能体对动态环境的实时理解与交互。该...
Agent Squad：AWS Labs 开源多代理编排框架，智能处理复杂对话与团队协作
Agent Squad 是 AWS Labs 开发的一款灵活、轻量的开源框架，专注于实现多个 AI 代理（Agents）的高效协作与任务编排，以处理复杂对话场景。它具备智能意图分类、动态代理路...
Kotaemon：开源 RAG 交互工具，兼顾用户友好与开发灵活的文档对话解决方案
Kotaemon 是一款开源的检索增强生成（RAG）UI 工具，旨在为终端用户提供简洁的文档对话交互界面，同时为开发者提供可定制的 RAG 管道框架。它支持多模型集成（包括 OpenAI、...
OpenPI：开源视觉-语言-动作模型库，赋能机器人感知与交互能力
OpenPI是由Physical Intelligence团队开源的机器人智能模型工具包，核心目标是降低机器人“感知-理解-动作”全链路技术的开发门槛。它基于10k+小时的真实机器人交互数据，提...
Supermemory：开源 AI 驱动记忆管理工具，多源内容整合与智能交互
Supermemory是一个开源的“记忆管理系统”，其核心理念是帮助用户构建一个可交互的“数字记忆库”——无论是网页链接、PDF文档、纯文本笔记，还是来自Notion、Google Drive...
Fish Speech：开源文本转语音解决方案，支持高质量语音合成与跨语言语音克隆
Fish Speech（后更名OpenAudio）是由fishaudio团队开发的开源文本转语音（TTS）解决方案，核心基于OpenAudio-S1系列模型，提供高质量语音合成、跨语言语音克隆、情感语气控...
OpenMemory：开源自托管AI记忆引擎，基于分层架构实现LLM持久化语义记忆
OpenMemory是一款开源、自托管、框架无关的AI记忆引擎，旨在为大型语言模型（LLM）应用提供持久化、结构化和语义化的记忆能力。它通过独特的分层记忆分解（HMD v2）架构，解...
Whisper：OpenAI 开源多语言语音处理模型，支持语音识别与跨语言翻译
Whisper 是 OpenAI 开发的开源通用语音处理模型，基于 Transformer 架构，通过多任务训练支持多语言语音识别、语音翻译、语言识别等功能。该模型提供 6 种不同规格（从 tin...
Shimmy：轻量 OpenAI 兼容服务器，本地 LLM 推理无依赖高性能
Shimmy 是一款基于 Rust 开发的轻量级 OpenAI API 兼容服务器，专注于本地大语言模型（LLM）推理。它以 “无依赖、高性能、隐私优先” 为核心优势，提供 100% 兼容 OpenAI ...
DreamOmni2：开源多模态指令驱动的图像编辑与生成模型，支持跨模态参考与精准控制
DreamOmni2是一款开源多模态指令驱动图像编辑与生成模型，支持基于文本和图像参考的跨模态内容创作。其核心优势在于统一架构下兼顾生成与编辑任务，能精准保持对象身份、姿...