AI开源项目

IOPaint 是一款免费、开源且完全可自行托管的修复/修复工具，由最先进的 AI 模型提供支持。您可以在 IOPaint 中使用各种模型来更改图像，包括修改、擦除

Whisper 是一种通用语音识别模型。它利用各种大型数据集上的音频进行训练，也是一个多任务模型，可以执行多语言语音识别以及语音翻译和语言识别。 在第一次使用 Buzz 的时候，会下载 Whisper 的模型，根据不同的质量要求，模型尺寸也非常可观： Whisper模型存储在~/.cache/wilsper中。 Whisper.cpp模型存储在~/Library/Caches/Buzz（Mac OS）、~/.cache/Buzz（Unix）或C:Users<username>AppDataLocalBuzzBuzzcache（Windows）中。 Hugging 模型存储在~/.cache/huggingface/hub中。 https://github.com/chidiwilliams/buzz

MaterialSearch是一个支持中文的本地素材搜索工具，可以扫描本地图片和视频，并支持自然语言进行搜索。可以文字搜图、以图搜图、文字搜视频、以图搜视频、图文相似度计算、Pexels视频搜索

这是 CapsWriter-Offline ，一个 PC 端的语音输入、字幕转录工具。 两个功能： 视频教程： CapsWriter-Offline 电脑端离线语音输入工具 对 Windows 端： 其它系统： 模型说明： 下载地址： （百度网盘容易掉链接，补链接太麻烦了，我不一定会补链接。GitHub Releases 界面下载是最可靠的。）

FunClip是一款完全开源、本地部署的自动化视频剪辑工具，通过调用阿里巴巴通义实验室开源的FunASR Paraformer系列模型进行视频的语音识别，随后用户可以自由选择识别结果中的文本片段或说话人，点击裁剪按钮即可获取对应片段的视频

1.产品介绍 一款轻量级开源标注工具，自由组合多样工具，无缝兼容多格式数据，同时支持载入预标注，加速数据标注效率 2.特色功能 LabelU 提供了多种标注工具和功能，支持图像、视频、音频标注。 · 图像类：多功能图像处理工具，涵盖 2D 框、语义分割、多段线、关键点等多种标注工具，协助完成图像的标识、注释和分析。 · 视频类：具备强大视频处理能力，可实现视频分割、视频分类、视频信息提取等功能，为模型训练提供优质标注数据。 · 音频类：高效精准的音频分析工具，可实现音频分割、音频分类、音频信息提取等功能，将复杂的声音信息直观可视化。 3.产品特性 · 简易，提供多种图像标注工具，通过简单可视化配置即可标注 · 灵活，多种工具可自由组合使用，满足大部分图像，视频，音频的标注需求 · 通用，支持导出多种数据格式，包括 JSON，COCO，MASK

EchoMimicV2 利用参考图像、音频剪辑和一系列手势来生成高质量的动画视频，确保音频内容和半身动作之间的连贯性。 项目页面： https://antgroup.github.io/ai/echomimic_v2/ GitHub 页面： https://github.com/antgroup/echomimic_v2    

HivisionIDPhoto 是一款基于 AI 的轻量级证件照制作工具，能智能识别和抠图，快速生成符合多种规格的证件照。支持自定义背景色和尺寸，未来还将推出美颜和智能换正装功能。用户可通过 Docker 部署，轻松搭建本地服务。GitHub 上提供源代码和在线体验。

MiniCPM3-4B！该模型的表现超越 Phi-3.5-mini-instruct 和 GPT-3.5-Turbo-0125，并且能够比肩 Llama3.1-8B-Instruct、Qwen2-7B-Instruct、GLM-4-9B-Chat 等多个 7B-9B 参数量的模型。

混元图像3.0（HunyuanImage-3.0 ）是一个突破性的原生多模态模型，它在自回归框架内统一了多模态理解和生成任务。它的文生图能力实现了与领先的闭源模型相当或更优的性能。

SenseNova U1.5-Lite-Preview（或 SenseNova-U1.5-8B-MoT Preview）是商汤开源的轻量级原生统一多模态生图与编辑模型预览版