VerseCrafter：复旦、港大&腾讯联合开源的 4D 几何可控的动态真实视频世界模型
VerseCrafter是由复旦大学、香港大学与腾讯ARC Lab联合研发的开源动态真实视频世界模型，核心突破传统视频生成的几何不可控瓶颈，实现对相机运动、多目标3D轨迹及二者协同关...
Voice-Pro：轻量型开源语音工具集，集成识别、克隆与多语言配音
Voice-Pro是一款基于Python开发的AI驱动型语音处理网页应用，集成Whisper、F5-TTS、Demucs等主流模型，提供语音识别、零样本语音克隆、多语言文本转语音、音频分离、YouTub...
从零部署 EchoMimicV3：蚂蚁集团开源多模态数字人生成框架实战指南
本文提供EchoMimicV3完整部署教程，涵盖Ubuntu + CUDA环境配置、Python虚拟环境搭建、模型权重下载与路径修改、app_mm.py运行等全流程步骤，助你快速实现蚂蚁集团开源的高效...
PromptX：开源多端适配型AI提示词管理工具
PromptX（Prompt Manager）是一款面向AI时代的轻量级开源提示词管理工具，其具备智能分类、版本追踪、快速检索、跨平台适配等专业能力的管理系统，适配个人开发者、AI创作爱...
qqr：阿里巴巴开源的开放式智能体强化学习训练工具
qqr（也称作hilichurl）是由阿里巴巴自然语言处理（NLP）团队开源的一款轻量级、非侵入式的开放式智能体训练扩展工具，核心开发语言为Python。该工具以slime为基础进行构建...
新手也能玩转 AI 视频生成：ComfyUI + Wan2.2-Animate-14B 快速入门指南
本文专为零基础用户精心打造，无需编程经验。结合 ComfyUI 可视化界面与 Wan2.2-Animate-14B 模型，轻松实现图片角色替换与动作模仿。从部署到生成，图文详解全流程，助你快...
GLM-Image：智谱AI与华为联合开源的国产全栈算力支撑多模态图像生成模型
GLM-Image是由智谱AI与华为联合开源的工业级多模态图像生成模型，也是国内首个全程基于国产昇腾算力完成训练的SOTA级图像生成模型。该模型采用“90亿参数自回归生成器+70亿...
DeepTutor：香港大学开源的 AI 个性化学习辅导工具
DeepTutor 是由香港大学数据科学实验室（HKUDS） 开源的一款AI 驱动的个性化学习助手，核心定位是解决学习者在自学过程中遇到的 “资料太多找不到答案、复杂概念看不懂、学...
仅需16G显存即可运行！DeepSeek-OCR本地化部署完整指南
DeepSeek-OCR本地部署指南：仅需16G显存，手把手教你搭建支持高分辨率文档识别的OCR系统，含Conda环境、模型下载、Gradio可视化全流程。
LandPPT：开源 AI 智能 PPT 生成工具，快速生成专业演示文稿
LandPPT 是一款基于大语言模型（LLM）驱动的开源智能 PPT 生成工具，核心解决传统 PPT 制作耗时、专业度要求高的痛点，支持从主题输入或多格式文档上传出发，一键生成包含大...