AI开源项目

SillyTavern（或简称 ST）是一个本地安装的用户界面，允许您与文本生成 LLM、图像生成引擎和 TTS 语音模型进行交互。 一个可以本地部署的虚拟角色聊天软件，支持多种虚拟角色，也可以自己创造角色，后台可以连多种不同LLM，比如OpenAI、Claude、Llama等，支持TTS（文字转语音） 支持中文、英文、日文、韩文等多语言 由于 SillyTavern 只是一个界面，您需要访问 LLM 后端才能进行推理。您可以使用 AI Horde 进行即时聊天。除此之外，我们还支持许多其他本地和基于云的 LLM 后端：兼容 OpenAI 的 API、KoboldAI、Tabby 等等。您可以在 文档 中了解更多关于我们支持的 API 的信息。 硬件要求极低：任何支持 NodeJS 18 或更高版本的设备均可运行，（电脑端、手机端均可运行下载） 如果您打算在本地机器上进行 LLM 推理，我们建议您使用 3000 系列 NVIDIA 显卡，并至少配备 6GB VRAM。更多详情，请查看您后端的文档。 SillyTavern 围绕”AI角色卡片”的概念构建。角色卡片是一系列设定 LLM 行

微软新推出了一款Shell小插件，名为Inshellisense，它能够提供IDE风格的下拉菜单式自动补全功能，非常实用。 该插件的效果可以从提供的图片中看到。它支持600个命令，对于使用过fig的用户来说，应该会感到非常亲切，因为它将fig底层的autocomplete功能单独提取出来并制作了一个本地的运行时环境。 该插件没有使用任何花哨的AI技术，而是通过命令集合提示来提供自动补全功能。虽然功能相对简单，但是对个人用户来说非常实用。

Tryon Diffusion 是一个实时演示项目，尤其适用于虚拟试穿场景。它不仅迅速将用户的想法转化为精美的艺术作品，而且提供了丰富的资源。这类技术的另一个优点就是能提供充满活力的风格和颜色多样。用户可以尝试各种不同的艺术风格，使其快速地对自己的作品感受良好。 此项目在GPU性能方面具有较高的要求，因为合成高分辨率图像通常要求大量计算资源。有关错误信息与性能方面的讨论可在 GitHub 上找到，例如有关“CUDA out of memory”问题。这类问题可以通过调整参数及参考文档中的内存管理和 Disco 变分技巧进行解决。 总之，Tryon Diffusion 是一个实时演示项目，旨在利用先进的潜在扩散技术和算法创作出高质量的虚拟试穿体验。该技术不仅具有颠覆性创新潜力，而且对于广泛行业领域的应用具有极大价值。

GPT-vup是一个公共的代码存储库，主要用于BIliBili视频网站、抖音以及人工智能（AI）方面的虚拟主播项目。该存储库在GitHub上备受关注，已经获得了364颗星星和77个分支。它的主要目标是开发虚拟主播技术，为BIliBili和抖音等平台提供更加逼真和有趣的虚拟人物形象。该存储库是公开的，任何人都可以查看和使用其中的代码。

InvokeAI 是一家主导稳定扩散模型的创意引擎公司，利用最新的人工智能技术，为专业人士、艺术家和爱好者提供生成和创建视觉媒体的能力。该解决方案提供业界领先的 WebUI，通过命令行界面（CLI）支持终端使用，并为多个商业产品提供基础支持。 InvokeAI 的功能特点包括：

一个功能强大的开源图像处理工具，它能够实现真实感图像的超分辨率和个性化的风格化。该工具不仅可以将低分辨率的图像转换为高分辨率版本，而且还能保持或增强图像的真实感。它具备多种处理任务的能力，包括但不限于图像超分辨率、旧照片修复、个性化风格化（例如将照片转换为动漫风格）以及图像上色等。举个例子，你可以使用PASD来恢复家族旧照片的细节，或者将普通照片转换成具有独特艺术风格的作品。

一个强大的深度学习文本到语音工具包，具有高度的可定制性和多语言支持。它提供了简单易用的界面和API，使用户能够快速进行文本到语音转换。同时，作为开源项目，用户可以免费使用和定制该工具包，以适应不同的应用场景和需求。 功能点： 1. 文本到语音转换：可以将文本转换成逼真的语音。它使用深度学习技术，通过模型训练来生成自然流畅的语音输出。 2. 高度可定制：提供了丰富的配置选项和模型参数，使用户可以根据自己的需求进行定制。可以调整声音的速度、音调、语气等参数，以获得满意的语音效果。 3. 多语言支持：支持多种语言，包括英语、中文、法语等。用户可以根据需要选择不同的语言模型进行文本到语音转换。 4. 易于使用：提供了用户友好的API和命令行界面，使用户可以轻松地使用该工具包进行文本到语音转换。

dot是一个开源的深度伪造工具包，用于生成逼真的深度伪造视频和图像。该工具包是由Sensity AI开发的，可以在GitHub上免费下载和使用 。使用dot需要安装一些依赖库，如conda和pip，以及下载一些模型文件 。该工具包是基于多个开源项目构建的，包括first-order-model、avatarify-python、SimSwap和GPEN等 。Sensity AI是一个人工智能公司，其GitHub页面上还有其他的开源项目 。如果使用dot，需要遵守其所依赖的开源库的许可证 。

OpenVoiceOS 是一个社区支持的 Linux 发行版，专门用于展示开源语音 AI 在各种设备上的强大功能 。它基于 Raspberry Pi，旨在为智能家居和机器人控制提供语音控制能力 。OpenVoiceOS 提供了详细的安装、配置和使用说明，包括如何在 Raspberry Pi 上安装和配置系统、训练自己的语音助手以及添加语音控制功能等。此外，OpenVoiceOS 还提供了一个基于云的语音识别服务，用户可以使用该服务来处理和识别来自语音助手的请求。该系统支持多种语言，包括英语、法语、西班牙语、葡萄牙语、德语等。总之，OpenVoiceOS 是一个实用的工具，可帮助用户将语音控制添加到他们的项目中，无论是构建智能家居还是机器人，都可以实现更好的交互和控制 。

主要用于数据分析领域，可以将用户需求转换为可执行代码。此外，本系统还协调各种插件（以函数形式）来执行数据分析任务，支持丰富的数据结构、自定义算法和上下文记忆等功能。

Jan 是一个帮助你在本地运行开源大模型的程序，支持Windows、Mac和Linux多平台，移动端即将推出，可以从它上面方便的下载并运行开源模型，并且能在本地提供一个兼容 ChatGPT API 协议的Web服务。 它提供了一个类似于ChatGPT的聊天界面，可以基于它聊天，并且可以保留聊天历史。

一个在本地运行的终端代码解释器。可以帮助开发者在终端上运行和调试代码。 结合OpenAI API，在本地运行代码解释器，可以联网，有更全的库，不限制文件大小和运行时间。

这是一个声音克隆工具，可使用任何人类音色，将一段文字合成为使用该音色说话的声音，或者将一个声音使用该音色转换为另一个声音。 使用非常简单，没有N卡GPU也可以使用，下载预编译版本，双击 app.exe 打开一个web界面，鼠标点点就能用。 支持 中、英、日、韩、法、德、意等16种语言，可在线从麦克风录制声音。 为保证合成效果，建议录制时长5秒到20秒，发音清晰准确，不要存在背景噪声。 英文效果很棒，中文效果还凑合。

允许开发者通过一个简单的API接口来访问超过100种不同的大语言模型。包括OpenAI、Anthropic、Mistral、LLama2、Anyscale、Google Gemini等。

Amphion是一个开源工具包，可实现语音、声音和歌唱功能。除了文字转语音功能，它还能将一首歌的声音换成另一个歌手的声音，并支持声音转换、歌声合成、文本到音频、文本到音乐等功能。