AI开源项目

GeminiProChat是GeminiPro的最小化Web界面，提供简洁有效的聊天体验。它支持通过环境变量来控制网站，允许使用者通过Docker部署，并提供易于部署的Vercel和Railway选项。

一个免费开源用于编辑和配音视频字幕的工具。用户在生成字幕后，可以轻松地修改它们，并重新生成配音。该工具提供了多种由edgeTTS提供的配音角色，并支持openai的TTS模型配音。此外，它还集成了google、chatGPT、DeepL、Baidu、DeepLX、Gemini和tencent等多种语音识别和翻译工具，以提供全面的服务。除了视频翻译和配音工具，该网站还提供了其他相关的开源项目，如声音克隆工具、语音识别工具和人声背景乐分离工具等。

很棒的 ChatGPT API，Github项目，精选的应用程序和工具列表，不仅使用新的 聊天GPT API ，还允许用户配置自己的 API 密钥 ，从而可以免费和按需使用自己的配额。

收集了很多如何训练你的chatGPT的方案，让它充当不同的角色，并为你提供帮助，比如：充当linux终端、充当英语翻译和改进者、充当 JavaScript 控制台、充当英语发音帮手、充当旅游指南，甚至让他进行角色扮演 、充当UI/UE的开发者、前端工程师等等。

AnyText 是一个开源的多语言视觉文本生成和编辑工具，它基于扩散模型，能够在图片中生成或编辑文字。这个工具支持中文、英文、日文和韩文等多种语言，适用于电商海报、Logo 设计、创意涂鸦、表情包等多种场景。AnyText 包含两个核心模块：辅助潜在模块（Auxiliary Latent Module）和文本嵌入模块（Text Embedding Module）。辅助潜在模块负责处理字形、文字位置和掩码图像等辅助信息，而文本嵌入模块则将文字的语义信息与字形信息解耦合，以提高文字生成的精度和背景一致性。在训练阶段，除了使用扩散模型常用的噪声预测损失，还增加了文本感知损失，以提升文字书写的精度。 AnyText 的代码和安装说明可以在其 GitHub 页面上找到。要在本地安装和运行 AnyText，需要至少20GB的内存和高端显卡。安装过程包括克隆代码库、准备字体文件（推荐 Arial Unicode MS），创建新的环境并安装所需的软件包。AnyText 还提供了在线演示，用户可以通过这个演示直接体验其功能。 此外，AnyText 的训练数据集为 AnyWord-3M，主要来源于互联网开

一个自动为视频生成高亮字幕的工具。使用ImageMagick工具，并通过Python环境运行。用户可以通过克隆GitHub仓库、创建Python虚拟环境、安装依赖项，然后使用Streamlit运行应用程序来使用Autocaption。该项目的第一个版本发布于2023年12月20日，它允许用户上传视频并自动添加卡拉OK风格的字幕。

将屏幕截图转换为清洁的HTML / Tailwind / JS代码。 这是一个使用MIT许可证进行许可的项目，因此，它是免费并且开源的。 功能点如下： 1. 屏幕截图转代码：用户通过输入截图，系统将自动将图像转换为HTML，Tailwind，或JS代码。 2. 开源活动：作为GitHub上的公开项目，任何对此项目感兴趣的开发者都可以查看源代码，对其进行修改，或进行贡献。 3. 自动化工作流程：项目包含一系列自动化的功能，可以帮助用户更有效地转换屏幕截图。 这是一个非常实用的工具，对开发者来说，尤其是前端开发者，它可以极大地提高他们的工作效率。

EmotiVoice是一个强大的开源TTS引擎，完全免费，支持中英文双语，包含2000多种不同的音色，以及特色的情感合成功能，支持合成包含快乐、兴奋、悲伤、愤怒等广泛情感的语音。

MetaGPT 是一个多代理框架，可根据一行要求生成 PRD（产品需求文档）、设计、任务和存储库。 功能特点： 多代理框架：MetaGPT 是一个多代理框架，可以协调多个代理的工作，从而更好地满足需求。 生成多种文档：根据用户的一行要求，MetaGPT 可以生成产品需求文档（PRD）、设计文档、任务列表和存储库等多种文档。 自动化流程：MetaGPT 提供自动化的流程，可以快速生成所需的文档，提高工作效率。 开源许可证：MetaGPT 使用 MIT 开源许可证，使用户可以自由地使用和修改代码。

FunASR是一个基础语音识别工具包，提供多种功能，包括语音识别（ASR）、语音端点检测（VAD）、标点恢复、语言模型、说话人验证、说话人分离和多人对话语音识别等。FunASR提供了便捷的脚本和教程，支持预训练好的模型的推理与微调

PhotoMaker，利用多张照片作为身份ID，获取人物特征，然后根据描述生成符合描述的人物照片创造出一个新的、个性化的人物图像。 PhotoMaker也能把几个不同人的照片特征混合在一起，创造出一个全新的人物形象。还能改变照片人物的性别、年龄和生成多种风格的其他照片。快速逼真，效果自然。 PhotoMaker主要功能： PhotoMaker主要特点： PhotoMaker如何工作？ PhotoMaker首先分析照片，识别出每张照片中人物的特征，比如面部特征、发型、服装风格等。然后，它将这些特征结合起来，创建一个新的图像。这个图像基本上是你的脸，但可能有着电影明星的发型和表情，同时穿着那张历史服装照片中的服装。 最终的结果是一张全新的照片，这张照片展示了一个独特的人物形象：看起来像你，但具有其他照片中人物的特征和风格。这就是PhotoMaker的核心功能——结合多个不同照片的特征，创造出一个全新、个性化的图像。 源码：https://github.com/TencentARC/PhotoMaker

LibreChat，一个增强版的ChatGPT程序，一个免费开源的聊天机器人平台，集成了多种 ai 模型，例如 ChatGPT、OpenAI、BingAI、PaLM 2 等。 LibreChat 允许您与不同的 AI 进行自然且引人入胜的对话，并使用各种功能和插件定制您的体验。LibreChat还集成并增强了原始客户端功能，例如对话和消息搜索、提示模板和插件。 项目地址： https://github.com/danny-avila/LibreChat 官方GitHub：https://librechat.ai 文档： https://docs.librechat.ai

一个开源的聊天机器人Web UI框架，Chatbot UI提供 OpenAI 的 ChatGPT UI 的改进版本。提供了一个简单的用户界面，具有新对话、新聊天、导入数据、导出数据、设置和插件键等功能。

其核心功能是通过提供发言者的短音频片段（参考语音），实现声音的高效克隆。 这意味着您可以使用OpenVoice来克隆任何人的声音，而且不限于特定语言。无论您是想要模仿某位名人的声音，还是需要在不同语言之间进行语音转换，OpenVoice都能够满足您的需求。 项目地址： https://github.com/myshell-ai/OpenVoice

零样本文本到语音（TTS）： 输入5秒的声音样本，即刻体验文本到语音转换。 少样本TTS： 仅需1分钟的训练数据即可微调模型，提升声音相似度和真实感。 跨语言支持： 支持与训练数据集不同语言的推理，目前支持英语、日语和中文。 WebUI工具： 集成工具包括声音伴奏分离、自动训练集分割、中文自动语音识别(ASR)和文本标注，协助初学者创建训练数据集和GPT/SoVITS模型。 介绍视频 https://www.bilibili.com/video/BV12g4y1m7Uw/ 来自B站up主：花儿不哭