LongCat-Audio-Codec：美团开源音频编解码方案，为 Speech LLM 提供超低比特率高保真令牌生成与解码
LongCat-Audio-Codec 是美团 LongCat 团队开源的音频编码（Tokenizer）与解码（Detokenizer）解决方案，专为语音大语言模型（Speech LLM）设计。该方案通过并行生成语义令牌...
Coral NPU：Google 开源的 RISC-V 架构 ML 推理硬件加速器，赋能超低功耗可穿戴设备 SoC
Coral NPU是由Google Research设计的开源神经网络处理单元（NPU），基于RISC-V 32位指令集架构，定位为超低功耗片上系统（SoC）的ML推理硬件加速器，核心适配助听器、AR眼镜...
nanoGPT：Karpathy 开源的极简型 GPT 开发工具，支持多硬件适配与 GPT-2 复现
nanoGPT是由AI研究者Andrej Karpathy开发的开源项目，基于PyTorch框架构建，定位为“最简单、最高效的中等规模GPT训练与微调仓库”。它是minGPT的重写版本，核心目标是“优...
nanochat：轻量类 ChatGPT 全栈开源项目，支持低成本端到端实现
nanochat 是由 AI 领域知名开发者 Andrej Karpathy 团队开发的开源项目，旨在提供一个轻量、简洁、可定制的类 ChatGPT 全栈解决方案。该项目覆盖从分词、预训练、微调（SFT...
Local-NotebookLM：开源本地部署的PDF转音频工具，支持多 LLM 与 TTS 模型集成
Local-NotebookLM 是一款开源的本地 AI 工具，核心功能是将 PDF 文档转换为播客、摘要、访谈等多种风格的音频内容。该工具无需依赖云端服务，可通过本地部署的 LLM（如 Oll...
Daytona：开源 AI 生成代码安全运行基础设施，极速隔离沙箱与全流程编程控制
Daytona 是一款专注于 AI 生成代码安全运行的开源基础设施，通过极速隔离沙箱（90 毫秒内启动）为 AI 生成代码提供零风险运行环境，支持多语言 SDK、Git 集成及 Docker 镜像...
DiaMoE-TTS：巨人网络联合清华大学开源的跨方言语音合成框架，支持 11 种方言与多语言兼容
DiaMoE-TTS 是由巨人网络联合清华大学开发的开源多方言文本到语音（TTS）框架，该框架基于 F5-TTS 架构扩展，通过统一国际音标（IPA）前端实现跨方言语音表示标准化，结合混...
MineContext：火山引擎推出的开源主动式上下文感知 AI 助手
MineContext 是火山引擎开源的主动式上下文感知 AI 助手，以 “挖掘并整合上下文” 为核心，将分散的多模态数据（文档、截图、音视频等）视为可组合的 “信息方块”，通过轻...
Kandinsky 5.0：ai-forever推出的开源视频/图像生成工具，轻量版性能居同类开源模型第一
Kandinsky 5.0是由ai-forever团队开源的扩散模型家族，核心聚焦视频生成（图像生成待上线），已开源的Kandinsky 5.0 T2V Lite（2B参数）在同类开源模型中排名第一，不仅优于...
SAIL-VL2：字节跳动开源的视觉语言模型，高效推理与细粒度视觉理解兼备
SAIL-VL2 是字节跳动开源的视觉语言模型，以 2B/8B 参数规模实现了行业顶尖性能，在 106 个数据集上验证了其在视觉问答、文档理解、图表解读等多任务中的有效性。该模型通过...
Youtu-Embedding：腾讯优图开源通用文本表示模型，领跑 CMTEB 基准的协同 - 差异化学习方案
Youtu-Embedding是腾讯优图实验室开发的业界领先通用文本表示模型，开源于GitHub平台。该模型通过“LLM预训练→弱监督对齐→协同-判别式微调”三阶段创新流程，在权威中文文...
AIxiezuo：基于LangChain的开源AI小说生成系统，支持多模型交互与全流程创作管理
AIxiezuo一款开源的AI小说生成系统，基于LangChain框架构建，核心定位为“专业化AI辅助小说创作工具”。该系统支持DeepSeek、OpenAI（GPT-3.5/4）、Claude、Gemini等主流大...
XunLong (寻龙)：基于多智能体架构的多模态内容生成系统
XunLong (寻龙) 是一个基于大语言模型 (LLM) 的多智能体内容生成系统，能够根据自然语言指令自动生成高质量的研究报告、小说和演示文稿 (PPT)。通过 LangGraph 实现智能体协...
Real-Time-Voice-Cloning：基于深度学习的实时语音克隆框架，实现高质量语音合成与个性化声音定制
Real-Time-Voice-Cloning 是一个基于深度学习的开源语音克隆框架，能够通过几秒钟的音频样本克隆说话人的声音，并基于任意文本生成该说话人的语音。该项目实现了 SV2TTS架构...
SurfSense：高度可定制的 AI 研究代理工具，整合个人知识库与多源信息检索
SurfSense 是一个开源的 AI 研究代理工具，旨在为用户提供高效的知识管理和信息检索解决方案。它允许您整合个人知识库与多种外部数据源，构建一个高度个性化的研究环境。通...